Pesti-Gen：面向毒性感知的生成式分子农药设计
机器学习
2025-03-17 v2 人工智能
生物大分子
分子网络
摘要
全球气候变化削弱了作物韧性和农药效能，使对合成农药的依赖不可避免，尽管其广泛使用带来显著的健康和环境风险。虽然农药仍是害虫管理的关键工具，但之前的机器学习应用在农药和农业领域主要聚焦于分类或回归，未能解决生成新分子结构或设计新型候选方案的根本挑战。本文提出Pesti-Gen，一种基于变分自编码器的新型生成模型，首次用于创建针对多个优化属性（包括1. 畜牧业毒性和2. 水体毒性）设计的环保农药候选方案。值得注意的是，Pesti-Gen在生成新分子结构时实现了约68%的结构有效性，展示了该模型在生产优化且可行的农药候选方案方面的有效性，为更安全更可持续的害虫管理提供了新方法。
引用
@article{arxiv.2501.14469,
title = {Pesti-Gen: Unleashing a Generative Molecule Approach for Toxicity Aware Pesticide Design},
author = {Taehan Kim and Wonduk Seo},
journal= {arXiv preprint arXiv:2501.14469},
year = {2025}
}
备注
Accepted to the RECOMB 2025 Poster Track