离子化脂质综合生成模型：基于蒙特卡尔树搜索的方法
机器学习
2024-12-03 v1 人工智能
生物大分子
定量方法
摘要
离子化脂质是开发有效 messenger RNA（mRNA）递送载体 lipid nanoparticles（LNPs）的关键。虽然传统方法通常耗时,但深度生成模型已成为强大的解决方案，显著加快分子发现进程。然而，实际挑战在于生成的分子结构往往难以或不可行合成。这一项目探索基于蒙特卡尔树搜索（MCTS）的生成模型，用于可合成的离子化脂质。利用可合成脂质构件数据集和两个专门的预测器指导化学空间搜索，我们引入了一个由政策网络驱动的 MCTS 生成模型，能够产生可获取合成路径的新型离子化脂质。
引用
@article{arxiv.2412.00807,
title = {Generative Model for Synthesizing Ionizable Lipids: A Monte Carlo Tree Search Approach},
author = {Jingyi Zhao and Yuxuan Ou and Austin Tripp and Morteza Rasoulianboroujeni and José Miguel Hernández-Lobato},
journal= {arXiv preprint arXiv:2412.00807},
year = {2024}
}