ACEGEN：用于药物发现的生成式化学智能体强化学习
机器学习
2024-07-23 v3 人工智能
生物大分子
摘要
近年来，强化学习（RL）已成为药物设计中的宝贵工具，具有提出并优化具有期望特性的分子的潜力。然而，由于高级 RL 算法的复杂性以及对专用代码的高度依赖，在能力、灵活性、可靠性和效率之间取得平衡仍然具有挑战性。在这项工作中，我们引入了 ACEGEN，这是一个专为生成式药物设计量身定制的全面且精简的工具包，基于 TorchRL 构建。TorchRL 是一个现代 RL 库，提供经过充分测试的可复用组件。我们通过与其他已发表的生成式建模算法进行基准对比来验证 ACEGEN，并展示了其具备相当或更优的性能。我们还展示了 ACEGEN 在多个药物发现案例研究中的应用实例。ACEGEN 可通过 \url{https://github.com/acellera/acegen-open} 访问，并在 MIT 许可证下供使用。
引用
@article{arxiv.2405.04657,
title = {ACEGEN: Reinforcement learning of generative chemical agents for drug discovery},
author = {Albert Bou and Morgan Thomas and Sebastian Dittert and Carles Navarro Ramírez and Maciej Majewski and Ye Wang and Shivam Patel and Gary Tresadern and Mazen Ahmad and Vincent Moens and Woody Sherman and Simone Sciabola and Gianni De Fabritiis},
journal= {arXiv preprint arXiv:2405.04657},
year = {2024}
}