RetroGNN：用图神经网络近似逆合成以用于从头药物设计
机器学习
2020-11-30 v1
摘要
从头分子生成常导致化学上不可行的分子。缓解此问题的自然思路是利用合成可及性的代理将搜索过程偏向更易合成的分子。然而，使用当前可用的代理仍导致高度不现实的化合物。我们研究训练深度图神经网络以近似逆合成规划软件的输出，并将其用于偏置搜索过程的可行性。我们在一个涉及搜索具有抗生素性质的类药分子的基准上评估我们的方法。与枚举来自 ZINC 数据库的超过五百万现有分子相比，我们的方法找到了被预测为更可能为抗生素的分子，同时保持良好的类药性质且易于合成。重要的是，我们的深度神经网络能成功滤除难以合成的分子，同时相比使用逆合成规划软件实现了 倍的加速。
引用
@article{arxiv.2011.13042,
title = {RetroGNN: Approximating Retrosynthesis by Graph Neural Networks for De Novo Drug Design},
author = {Cheng-Hao Liu and Maksym Korablyov and Stanisław Jastrzębski and Paweł Włodarczyk-Pruszyński and Yoshua Bengio and Marwin H. S. Segler},
journal= {arXiv preprint arXiv:2011.13042},
year = {2020}
}
备注
Machine Learning for Molecules Workshop at NeurIPS 2020