基于 Transformer 的化学相似性搜索的提示工程识别结构迥异的功能类似物
化学物理
2023-11-10 v1 机器学习
摘要
化学相似性搜索是广泛用于识别新型类药分子的计算机方法。这些方法历来依赖基于结构的比较来计算分子相似性。在此，我们使用化学语言模型创建基于向量的化学搜索。我们通过创建一种提示工程策略来扩展实现，该策略利用两种不同的化学字符串表示算法：一种用于查询，另一种用于数据库。我们通过审视五个类药查询分子（青霉素 G、奈玛特韦、齐多夫定、麦角酸二乙酰胺和芬太尼）与三个类染料查询分子（酸性蓝 25、阿伏苯宗和 2-二苯基氨基咔唑）的搜索结果来探究该方法。我们发现这种新方法识别出的分子在功能上与查询相似（相关专利文献表明），且其中许多分子在结构上与查询迥异，使其不太可能通过传统化学相似性搜索方法找到。该方法可能有助于发现实现目标功能的新型结构类分子。
引用
@article{arxiv.2305.16330,
title = {Prompt Engineering for Transformer-based Chemical Similarity Search Identifies Structurally Distinct Functional Analogues},
author = {Clayton W. Kosonocky and Aaron L. Feller and Claus O. Wilke and Andrew D. Ellington},
journal= {arXiv preprint arXiv:2305.16330},
year = {2023}
}