使用神经序列到序列模型进行逆合成反应预测
机器学习
2017-06-07 v1 定量方法
机器学习
摘要
我们描述了一个完全数据驱动的模型，该模型学习执行逆合成反应预测任务，并将其视为一个序列到序列的映射问题。端到端训练的模型具有由两个循环神经网络组成的编码器-解码器架构，该架构此前在解决机器翻译等其他序列到序列预测任务中取得了巨大成功。该模型基于来自美国专利文献的 50,000 个实验反应示例进行训练，这些示例涵盖了药物化学家常用的 10 种广泛反应类型。我们发现，该模型的性能与基于规则的专家系统基线模型相当，并且克服了与基于规则的专家系统以及任何包含基于规则专家系统组件的机器学习方法相关的某些局限性。我们的模型为解决计算逆合成分析这一极具挑战性的问题迈出了重要的第一步。
引用
@article{arxiv.1706.01643,
title = {Retrosynthetic reaction prediction using neural sequence-to-sequence models},
author = {Bowen Liu and Bharath Ramsundar and Prasad Kawthekar and Jade Shi and Joseph Gomes and Quang Luu Nguyen and Stephen Ho and Jack Sloane and Paul Wender and Vijay Pande},
journal= {arXiv preprint arXiv:1706.01643},
year = {2017}
}