RetroDiff：将逆合成视为多阶段分布插值
机器学习
2025-07-22 v2 定量方法
摘要
逆合成在生物制药中构成一项关键挑战，帮助化学家为给定产物分子寻找合适的反应物分子。将反应物和产物表示为二维图，逆合成构成一种条件图到图（G2G）生成任务。受用于图生成的离散扩散模型进展的启发，我们旨在设计一种基于扩散的方法来解决此问题。然而，在保留必要的化学反应模板信息的同时集成基于扩散的 G2G 框架呈现出显著挑战。我们的关键创新涉及多阶段扩散过程。我们将逆合成过程分解为：首先给定产物从虚拟分布中采样外部基团，然后生成外部键以连接产物与生成的基团。有趣的是，这一生成过程镜像了被广泛采用的半模板逆合成工作流的逆过程，即从反应中心识别到合成子补全。基于这些设计，我们引入了 Retrosynthesis Diffusion (RetroDiff)，一种用于逆合成任务的新型基于扩散的方法。实验结果表明，RetroDiff 在准确性上超越了所有半模板方法，并分别在大规场景和分子有效性上优于基于模板和无模板方法。代码：https://github.com/Alsace08/RetroDiff。
引用
@article{arxiv.2311.14077,
title = {RetroDiff: Retrosynthesis as Multi-stage Distribution Interpolation},
author = {Yiming Wang and Yuxuan Song and Yiqun Wang and Minkai Xu and Rui Wang and Hao Zhou and Wei-Ying Ma},
journal= {arXiv preprint arXiv:2311.14077},
year = {2025}
}
备注
Accepted by AISTATS 2025