GDiffRetro：基于双图增强分子表示和扩散生成的反应物预测
人工智能
2025-01-15 v1
摘要
反应物预测 focuses on identifying 能够合成目标 product 的 reactants。通常,反应物预测涉及两个阶段:反应中心识别和反应物生成。然而,我们认为大多数现有方法在这两个阶段都存在两个局限性: (i) 现有模型未充分捕获分子图中用于反应中心识别的 "面" 信息。 (ii) 当前的反应物生成方法主要在 2D 空间中使用序列生成,这缺乏为完成的反应基团生成合理分布的灵活性,并忽略了分子固有的 3D 属性。为克服上述局限性,我们提出了 GDiffRetro。对于反应中心识别,GDiffRetro 独特地将原始图与其对应的 dual graph 结合起来表示分子结构,这有助于引导模型更关注图中的面。对于反应物生成,GDiffRetro 采用 3D 中的条件扩散模型进一步将获取的 synthon 转换为完整的反应物。我们的实验发现,GDiffRetro 在各种评估指标上均优于最新的半模板模型。
引用
@article{arxiv.2501.08001,
title = {GDiffRetro: Retrosynthesis Prediction with Dual Graph Enhanced Molecular Representation and Diffusion Generation},
author = {Shengyin Sun and Wenhao Yu and Yuxiang Ren and Weitao Du and Liwei Liu and Xuecang Zhang and Ying Hu and Chen Ma},
journal= {arXiv preprint arXiv:2501.08001},
year = {2025}
}