$\mathsf{G^2Retro}$: 用于逆合成预测的二步图生成模型
机器学习
2023-06-07 v3 化学物理
生物大分子
摘要
逆合成是将目标分子转化为潜在反应物从而确定合成路线的过程。近年来，计算方法的发展加速了合成路线设计。本文提出一种用于单步逆合成预测的 generative 框架 。 模仿合成反应的逆向逻辑：首先预测目标分子（产物）中的反应中心，识别组装产物所需的前体碎片（synthon），并将这些前体碎片转化为反应物。 定义了一套全面的反应中心类型，并从产物分子图学习以预测潜在反应中心。为将前体碎片补全为反应物， 综合考虑所有相关的前体碎片结构与产物结构以确定最优补全路径，并据此将小亚结构依次连接到前体碎片上。本文表明，在基准数据集上， 比最先进（SOTA）方法能更好地预测给定产物的反应物。
引用
@article{arxiv.2206.04882,
title = {$\mathsf{G^2Retro}$ as a Two-Step Graph Generative Models for Retrosynthesis Prediction},
author = {Ziqi Chen and Oluwatosin R. Ayinde and James R. Fuchs and Huan Sun and Xia Ning},
journal= {arXiv preprint arXiv:2206.04882},
year = {2023}
}