用于逆合成预测的图模型学习
机器学习
2021-06-07 v2 机器学习
摘要
逆合成预测是有机合成中的基本问题，其任务是识别可用于合成目标分子的前体分子。构建该任务的神经模型时，一个关键考量是将模型设计与化学家采用的策略相对齐。基于该观点，本文引入一种图方法，其利用化学反应中前体分子的图拓扑基本保持不变的思想。模型首先预测将目标转化为称为合成子的不完整分子的图编辑集合。接着，模型学习通过连接相关离去基团将合成子扩展为完整分子。这种分解简化了架构，使其预测更具可解释性，且便于人工修正。我们的模型达到了的top-1准确率，优于先前无模板与半模板基方法。
引用
@article{arxiv.2006.07038,
title = {Learning Graph Models for Retrosynthesis Prediction},
author = {Vignesh Ram Somnath and Charlotte Bunne and Connor W. Coley and Andreas Krause and Regina Barzilay},
journal= {arXiv preprint arXiv:2006.07038},
year = {2021}
}