基于潜空间能量建模与渐进分布偏移的分子设计
生物大分子
2023-07-12 v1 机器学习
机器学习
摘要
生成具有所需化学与生物性质（如高类药性、对靶蛋白的高结合亲和力）的分子对于药物发现至关重要。本文提出一种概率生成模型来捕捉分子及其性质的联合分布。我们的模型在潜空间中假设一个能量基模型（EBM）。在给定潜向量的条件下，分子及其性质分别由分子生成模型与性质回归模型建模。为搜索具有所需性质的分子，我们提出一种带渐进分布偏移的采样（SGDS）算法，使得在基于现有分子及其性质的训练数据初始学习模型后，该算法将模型分布逐渐偏移至由具有所需性质取值的分子所支撑的区域。我们的实验表明，该方法在各种分子设计任务上取得了非常强劲的性能。
引用
@article{arxiv.2306.14902,
title = {Molecule Design by Latent Space Energy-Based Modeling and Gradual Distribution Shifting},
author = {Deqian Kong and Bo Pang and Tian Han and Ying Nian Wu},
journal= {arXiv preprint arXiv:2306.14902},
year = {2023}
}