MechRetro：一种化学机理驱动的图学习框架，用于可解释逆合成预测与路径规划
机器学习
2023-10-13 v1 化学物理
生物大分子
摘要
利用人工智能进行自动逆合成可加速数字实验室中的有机路径规划。然而，现有深度学习方法不可解释，如同缺乏洞见的“黑箱”，显著限制了其在真实逆合成场景中的应用。在此，我们提出 MechRetro，一种化学机理驱动的图学习框架，用于可解释逆合成预测与路径规划，其学习若干逆合成动作以通过精细的自适应联合学习模拟逆反应。通过将化学知识作为先验信息集成，我们设计了一种新颖的 Graph Transformer 架构以自适应学习具判别性且富有化学意义的分子表示，彰显了在分子特征表示学习方面的强大能力。我们证明 MechRetro 在大规模基准数据集上以大幅优势超越最先进的逆合成预测方法。将 MechRetro 扩展至多步逆合成分析，我们通过可解释推理机制识别高效合成路线，从而在对知识型合成化学家的领域中获得更好理解。我们还展示 MechRetro 发现了 protokylol 的一条新路径，并附带用于不确定性评估的能量分数，拓宽了其在实际场景中的适用性。总体而言，我们期望 MechRetro 为药物发现中的高通量自动化有机合成提供有意义的洞见。
引用
@article{arxiv.2210.02630,
title = {MechRetro is a chemical-mechanism-driven graph learning framework for interpretable retrosynthesis prediction and pathway planning},
author = {Yu Wang and Chao Pang and Yuzhe Wang and Yi Jiang and Junru Jin and Sirui Liang and Quan Zou and Leyi Wei},
journal= {arXiv preprint arXiv:2210.02630},
year = {2023}
}