改进分子生成与药物发现：基于知识增强生成模型的框架
机器学习
2024-10-10 v2 定量方法
摘要
近期生成模型的进展在分子及新型药物候选物的生成方面已达到最先进水平。尽管如此，生成模型与大规模生物医学知识（常以知识图谱形式系统化）之间的差距仍然显著，其潜在价值尚未充分体现于生成过程之中。本文提出一种新方法，通过开发名为 KARL 的知识增强生成模型框架来弥合这一鸿沟。我们构建了一种可扩展的方法，既能扩展知识图谱的功能，又能保持语义完整性，并将其融入生成框架以指导扩散模型。知识图谱嵌入与生成模型的集成，为生成具有特定特征且具备有效性和可综合性的新药候选物提供了稳健机制。KARL 在无条件生成任务和定向生成任务上均超越了当前最先进的生成模型。
引用
@article{arxiv.2402.08790,
title = {Improving Molecule Generation and Drug Discovery with a Knowledge-enhanced Generative Model},
author = {Aditya Malusare and Vaneet Aggarwal},
journal= {arXiv preprint arXiv:2402.08790},
year = {2024}
}
备注
Accepted for publication at IEEE/ACM Transactions on Computational Biology and Bioinformatics