基于连接感知基元挖掘的从头分子生成
机器学习
2023-02-28 v2 人工智能
摘要
从头分子生成是科学发现的一项基本任务。近年来，基于片段的深度生成模型因能基于已有分子片段灵活生成新分子而备受关注。然而，基元词表（即频繁片段的集合）通常基于启发式规则构建，这给从大量分子中捕捉公共子结构带来困难。本工作中，我们提出一种新方法MiCaM，基于挖掘的连接感知基元生成分子。具体而言，它利用数据驱动算法，通过按频率迭代合并子图，从分子库中自动发现基元。所得基元词表不仅包含分子基元（即频繁片段），还包含其连接信息，指示这些基元如何相互连接。基于挖掘的连接感知基元，MiCaM构建了一个连接感知生成器，同时选取基元并确定其连接方式。我们在分布学习基准（即生成与给定训练集分布相似的新分子）和定向基准（即生成具有目标性质的分子）上测试了我们的方法，相较先前基于片段的基线取得显著提升。此外，我们证明该方法能为不同任务有效挖掘领域特定基元。
引用
@article{arxiv.2302.01129,
title = {De Novo Molecular Generation via Connection-aware Motif Mining},
author = {Zijie Geng and Shufang Xie and Yingce Xia and Lijun Wu and Tao Qin and Jie Wang and Yongdong Zhang and Feng Wu and Tie-Yan Liu},
journal= {arXiv preprint arXiv:2302.01129},
year = {2023}
}