通过双层规划实现分子构象生成的端到端框架
机器学习
2025-01-07 v2 生物大分子
摘要
从分子图预测分子构象（或 3D 结构）是许多应用中的基本问题。大多数现有方法通常分为两步：首先预测原子间距离，然后通过优化距离几何问题生成 3D 结构。然而，这种两阶段方法预测的距离可能无法一致地保持局部原子邻域的几何，使得生成的结构不尽如人意。本文中，我们提出一种基于条件变分自编码器框架的端到端分子构象预测方案 ConfVAE。具体而言，分子图首先在潜空间中编码，然后通过求解一个原则性的双层优化程序生成 3D 结构。在多个基准数据集上的大量实验证明了我们提出的方法相对于现有最先进方法的有效性。代码见 https://github.com/MinkaiXu/ConfVAE-ICML21。
引用
@article{arxiv.2105.07246,
title = {An End-to-End Framework for Molecular Conformation Generation via Bilevel Programming},
author = {Minkai Xu and Wujie Wang and Shitong Luo and Chence Shi and Yoshua Bengio and Rafael Gomez-Bombarelli and Jian Tang},
journal= {arXiv preprint arXiv:2105.07246},
year = {2025}
}
备注
Accepted by ICML 2021