基于骨架的分子设计：使用图生成模型
机器学习
2020-09-03 v1 生物大分子
机器学习
摘要
在药物发现等领域中搜索新分子通常从候选分子的核心结构出发以优化感兴趣的性质。这种方式要求一种将特定骨架作为子结构保留的分子设计策略。为此，我们当前工作提出了一种基于骨架的分子生成模型。该模型通过依次添加顶点和边来扩展骨架的图，从而生成分子图。与先前相关模型不同，我们的模型确保生成的分子必定保留给定骨架。我们使用未见骨架对模型进行的评估显示，生成分子的有效性、独特性和新颖性与使用已见骨架的情况一样高。这证实了该模型能够泛化所学习的添加原子和键的化学规则，而非在学习过程中简单记忆从骨架到分子的映射。此外，尽管存在固定核心结构的限制，我们的模型在生成新分子时仍可同时控制多个分子性质。
引用
@article{arxiv.1905.13639,
title = {Scaffold-based molecular design using graph generative model},
author = {Jaechang Lim and Sang-Yeon Hwang and Seungsu Kim and Seokhyun Moon and Woo Youn Kim},
journal= {arXiv preprint arXiv:1905.13639},
year = {2020}
}
备注
33 pages, 3 tables, 5 figures