生成式自编码器在从头分子设计中的应用
机器学习
2017-11-22 v1 机器学习
摘要
计算化学中的一大挑战是生成具有理想药理与理化性质的新颖分子结构。本工作中，我们探究自编码器这一深度学习方法在从头分子设计中的潜在用途。我们使用多种生成式自编码器将分子结构映射至连续潜在空间并反之映射，并评估其作为结构生成器的性能。结果显示，潜在空间保留化学相似性原理，故可用于生成类似物结构。此外，我们对自编码器创建的潜在空间进行系统搜索，以生成针对多巴胺受体2型具有预测活性的新颖化合物，并识别出与训练集中未包含的已知活性化合物相似的化合物。
引用
@article{arxiv.1711.07839,
title = {Application of generative autoencoder in de novo molecular design},
author = {Thomas Blaschke and Marcus Olivecrona and Ola Engkvist and Jürgen Bajorath and Hongming Chen},
journal= {arXiv preprint arXiv:1711.07839},
year = {2017}
}