Retro3D：一种利用分子构象信息增强逆合成的三维感知无模板方法
机器学习
2025-10-20 v2 人工智能
摘要
逆合成在有机合成和药物研发领域发挥着至关重要的作用，其目标是识别能够生成目标产物分子的合适反应物。尽管现有方法取得了显著成功，但它们通常忽略了分子的三维构象细节和内部空间组织。这种疏忽使得预测符合真实化学原理的反应物变得具有挑战性，特别是在处理复杂分子结构（如多环和杂环芳香族化合物）时。为了应对这一挑战，我们引入了一种基于 Transformer 的无模板新方法，该方法融合了三维构象数据和空间信息。我们的方法包含一个 Atom-align Fusion 模块，在输入阶段整合三维位置数据，确保原子 token 与其各自的三维坐标之间正确对齐。此外，我们提出了一种 Distance-weighted Attention 机制，该机制改进了自注意力过程，将模型的注意力限制在三维空间中相关的原子对上。在 USPTO-50K 数据集上的大量实验表明，我们的模型优于以往的无模板方法，为该领域设定了新的基准。案例研究进一步突显了我们的方法预测合理且准确反应物的能力。
引用
@article{arxiv.2501.12434,
title = {Retro3D: A 3D-aware Template-free Method for Enhancing Retrosynthesis via Molecular Conformer Information},
author = {Jiaxi Zhuang and Yu Zhang and Yan Zhang and Ying Qian and Aimin Zhou},
journal= {arXiv preprint arXiv:2501.12434},
year = {2025}
}