Mol-CycleGAN——一种用于分子优化的生成模型
机器学习
2020-01-23 v1 化学物理
机器学习
摘要
设计具有所需性质的分子是药物开发中的最大挑战之一，因为这需要针对许多复杂性质对化合物结构进行优化。为了增强化合物设计过程，我们引入了 Mol-CycleGAN——一种基于 CycleGAN 的模型，可生成与原始化合物结构高度相似且经过优化的化合物。具体而言，给定分子，我们的模型会生成一个结构相似且所考虑性质取值得到优化的分子。我们在与结构性质（卤素基团的存在、芳香环的数量）和物理化学性质（惩罚性 logP）相关的选定优化目标上评估了模型的性能。在药物样分子惩罚性 logP 的优化任务中，我们的模型显著优于先前的结果。
引用
@article{arxiv.1902.02119,
title = {Mol-CycleGAN - a generative model for molecular optimization},
author = {Łukasz Maziarka and Agnieszka Pocha and Jan Kaczmarczyk and Krzysztof Rataj and Michał Warchoł},
journal= {arXiv preprint arXiv:1902.02119},
year = {2020}
}