用于自底向上合成规划与可合成分子设计的摊还树生成方法
机器学习
2022-03-15 v2 定量方法
摘要
分子设计与合成规划是分子发现过程中的两个关键步骤，我们提议将其表述为条件合成路径生成的单一共享任务。我们报告了一种摊还方法，将合成路径生成为以目标分子嵌入为条件的马尔可夫决策过程。该方法使我们能够以自底向上的方式进行合成规划，并通过从优化的条件码解码来设计可合成分子，展示了同时解决设计与合成两方面问题的潜力。该方法利用神经网络根据编码在反应模板离散动作空间中的反应性规则，逐步（一次一个反应步骤）对合成树进行概率建模。我们在数十万条由可购买化合物池和专家策划模板列表生成的人工路径上训练这些网络。我们通过以下方式验证我们的方法：(a)使用条件生成恢复分子，(b)识别可合成的结构类似物，以及(c)在给定与药物发现相关的预言函数下优化分子结构。
引用
@article{arxiv.2110.06389,
title = {Amortized Tree Generation for Bottom-up Synthesis Planning and Synthesizable Molecular Design},
author = {Wenhao Gao and Rocío Mercado and Connor W. Coley},
journal= {arXiv preprint arXiv:2110.06389},
year = {2022}
}