Gotta be SAFE：一种用于分子设计的新框架
机器学习
2023-12-13 v2 生物大分子
摘要
传统的分子字符串表示（如SMILES）常因其对分子子结构的非顺序描绘，给AI驱动的分子设计带来挑战。为解决此问题，我们引入基于顺序连接的片段嵌入（SAFE），一种用于化学结构的新型线性表示法。SAFE将SMILES字符串重新构想为互连片段块的无序序列，同时保持与现有SMILES解析器的兼容性。它简化了复杂的生成任务，包括骨架装饰、片段连接、聚合物生成和骨架跃迁，同时促进面向片段约束设计的自回归生成，从而消除对复杂解码或基于图模型的依赖。我们通过在一个包含11亿个SAFE表示的数据集上训练一个8700万参数的类GPT2模型来展示SAFE的有效性。通过针对性实验，我们表明我们的SAFE-GPT模型展现出多功能且稳健的优化性能。SAFE为在各种约束下快速探索化学空间开辟了新途径，有望在AI驱动的分子设计中取得突破。
引用
@article{arxiv.2310.10773,
title = {Gotta be SAFE: A New Framework for Molecular Design},
author = {Emmanuel Noutahi and Cristian Gabellini and Michael Craig and Jonathan S. C Lim and Prudencio Tossou},
journal= {arXiv preprint arXiv:2310.10773},
year = {2023}
}
备注
Code, data and models available at: https://github.com/datamol-io/safe/