以统一模型弥合化学反应预训练与条件分子生成之间的鸿沟
机器学习
2024-03-08 v5 生物大分子
摘要
化学反应是药物设计和有机化学研究的基本构建模块。近年来，对于能够高效捕捉化学反应基本规则的大规模深度学习框架的需求日益增长。在本文中，我们提出了一个统一框架，同时解决反应表示学习与分子生成任务，从而实现更为整体的方法。受有机化学机理启发，我们开发了一种新颖的预训练框架，使我们能够将归纳偏置引入模型。我们的框架在具有挑战性的下游任务上取得了最先进（state-of-the-art, SOTA）的结果。通过具备化学知识，我们的生成框架克服了当前依赖于少量反应模板的分子生成模型的局限性。在大量实验中，我们的模型生成了高质量的可合成类药结构。总体而言，我们的工作朝着面向多种基于反应的应用的大规模深度学习框架迈出了重要一步。
引用
@article{arxiv.2303.06965,
title = {Bridging the Gap between Chemical Reaction Pretraining and Conditional Molecule Generation with a Unified Model},
author = {Bo Qiang and Yiran Zhou and Yuheng Ding and Ningfeng Liu and Song Song and Liangren Zhang and Bo Huang and Zhenming Liu},
journal= {arXiv preprint arXiv:2303.06965},
year = {2024}
}