基于局部模板检索的逆向合成预测
人工智能
2023-06-08 v1 机器学习
摘要
逆向合成旨在预测给定目标分子的反应物，是药物发现中的一项关键任务。近年来，基于机器学习的逆向合成方法已取得令人鼓舞的结果。本工作中，我们提出 RetroKNN，一种局部反应模板检索方法，通过非参数检索进一步提升基于模板系统的性能。我们首先构建包含训练数据中局部模板的原子模板库与键模板库，然后在推理时通过 k-近邻 (KNN) 搜索从这些模板中检索。检索到的模板与神经网络预测结合作为最终输出。此外，我们提出一种轻量级适配器，在结合神经网络与 KNN 预测时，根据隐层表示与检索到的模板调节权重。我们在两个广泛使用的基准 USPTO-50K 和 USPTO-MIT 上进行了全面实验。尤其在 top-1 准确率上，我们在 USPTO-50K 数据集上提升了 7.1%，在 USPTO-MIT 数据集上提升了 12.0%。这些结果证明了我们方法的有效性。
引用
@article{arxiv.2306.04123,
title = {Retrosynthesis Prediction with Local Template Retrieval},
author = {Shufang Xie and Rui Yan and Junliang Guo and Yingce Xia and Lijun Wu and Tao Qin},
journal= {arXiv preprint arXiv:2306.04123},
year = {2023}
}
备注
AAAI-2023 camera ready