Group SELFIES：一种基于片段的鲁棒分子字符串表示
机器学习
2023-10-19 v1 神经与进化计算
化学物理
摘要
我们提出 Group SELFIES，一种利用基团令牌表示官能团或整个子结构同时保持化学鲁棒性保证的分子字符串表示。诸如 SMILES 和 SELFIES 之类的分子字符串表示，是化学语言模型、深度生成模型和进化方法中分子生成与优化的基础。虽然 SMILES 和 SELFIES 采用原子表示，Group SELFIES 在 SELFIES 化学鲁棒性保证的基础上引入基团令牌，从而为该表示带来额外的灵活性。此外，Group SELFIES 中的基团令牌可利用分子片段的归纳偏置来捕捉有意义的化学基序。我们在实验中展示了捕捉化学基序与灵活性的优势，表明 Group SELFIES 改进了常见分子数据集的分布学习。进一步的实验还表明，与常规 SELFIES 字符串相比，Group SELFIES 字符串的随机采样提升了生成分子的质量。我们的 Group SELFIES 开源实现已在线提供，希望有助于未来分子生成与优化的研究。
引用
@article{arxiv.2211.13322,
title = {Group SELFIES: A Robust Fragment-Based Molecular String Representation},
author = {Austin Cheng and Andy Cai and Santiago Miret and Gustavo Malkomes and Mariano Phielipp and Alán Aspuru-Guzik},
journal= {arXiv preprint arXiv:2211.13322},
year = {2023}
}
备注
11 pages + references and appendix