基于图的拓扑强化学习以提升分子设计
机器学习
2024-11-25 v1 生物大分子
摘要
药物样品的生成是药物设计中的关键环节。现有强化学习（RL）方法往往忽视结构信息，而基于特征工程的方法则仅侧重于亲和力预测，缺乏实质性的分子修改。为此，我们提出了图基于拓扑强化学习（GraphTRL），其整合了化学与结构数据，以提升分子生成效果。GraphTRL 利用多尺度加权彩色图（MWCG）和持久同调特征，结合分子指纹，作为 RL 的状态空间。评估结果表明，GraphTRL 在亲和力预测方面优于现有方法，为加速药物发现提供了有前景的方案。
引用
@article{arxiv.2411.14726,
title = {Enhancing Molecular Design through Graph-based Topological Reinforcement Learning},
author = {Xiangyu Zhang},
journal= {arXiv preprint arXiv:2411.14726},
year = {2024}
}