提升你的分子：在潜欧几里得空间中进行分子图生成
机器学习
2024-06-18 v1 生物大分子
摘要
我们引入了一个新的框架，用于结合3D分子生成模型进行分子图生成。我们的合成坐标嵌入（SyCo）框架通过合成构象坐标将分子图映射到欧几里得点云，并使用E(n)-等变图神经网络（EGNN）学习逆映射。由此产生的点云结构潜空间非常适合应用现有的3D分子生成模型。这种方法将图生成问题简化为一个点云生成问题，随后是节点和边分类任务，无需依赖分子片段或自回归解码。此外，我们提出了一种基于修补和引导的3D扩散模型的新型相似性约束优化方案。作为我们框架的具体实现，我们基于E(3)等变扩散模型（EDM）开发了EDM-SyCo。EDM-SyCo在分子图的分布学习上达到了最先进的性能，在ZINC250K数据集上比最佳非自回归方法提升了超过30%，在大规模GuacaMol数据集上提升了16%，同时将条件生成性能提升了高达3.9倍。
引用
@article{arxiv.2406.10513,
title = {Lift Your Molecules: Molecular Graph Generation in Latent Euclidean Space},
author = {Mohamed Amine Ketata and Nicholas Gao and Johanna Sommer and Tom Wollschläger and Stephan Günnemann},
journal= {arXiv preprint arXiv:2406.10513},
year = {2024}
}