基于离散潜变量建模多样化学反应的单步逆合成方法
定量方法
2022-08-12 v1 机器学习
生物大分子
摘要
单步逆合成是逆合成规划的基石，也是计算机辅助药物发现中的关键任务。单步逆合成的目标是识别能够在一反应中合成目标产物的可能反应物。通过将有机分子表示为规范字符串，现有基于序列的逆合成方法将产物到反应物的逆合成视为序列到序列的翻译问题。然而，由于确定性推断，它们大多难以为期望产物识别多样的化学反应，这与许多化合物可通过不同反应物集合的多种反应类型合成的事实相矛盾。在本工作中，我们旨在利用离散潜变量提升反应多样性并生成多种反应物。我们提出了一种新颖的基于序列的方法，即 RetroDVCAE，它将条件变分自编码器引入单步逆合成，并将离散潜变量与生成过程相关联。具体而言，RetroDVCAE 使用 Gumbel-Softmax 分布来近似潜在反应的类别分布，并通过变分解码器生成多组反应物。实验表明，RetroDVCAE 在基准数据集与自建数据集上均优于最先进的基线方法。定量与定性结果均显示，RetroDVCAE 能够建模反应类型的多模态分布并产生多样的反应物候选。
引用
@article{arxiv.2208.05482,
title = {Modeling Diverse Chemical Reactions for Single-step Retrosynthesis via Discrete Latent Variables},
author = {Huarui He and Jie Wang and Yunfei Liu and Feng Wu},
journal= {arXiv preprint arXiv:2208.05482},
year = {2022}
}
备注
Accepted to CIKM 2022