STRIDE：用于分子逆向设计的结构引导生成方法
化学物理
2023-11-14 v1 机器学习
摘要
机器学习尤其是深度学习对分子与材料设计的影响日益增强。特别是，鉴于用于药物设计生成建模的高质量小分子数据日益丰富，药物发现的结果令人鼓舞。然而，对于催化剂、抗氧化剂、金属有机框架等许多重要材料类别，此类大型数据集并不可用。这种样本有限且结构相似的分子族在工业应用中尤为普遍。众所周知，在此类小数据集上进行重新训练甚至微调都颇具挑战。新颖且具实际适用性的分子大多是已知分子的衍生物，这提示了应对数据稀缺性的途径。为解决该问题，我们提出 ，一种生成式分子工作流，它利用以已知分子引导的无条件生成模型生成新分子，且无需任何重新训练。我们从一组高度专业化的抗氧化剂分子训练数据之外生成分子。经引导，我们所生成分子的平均合成可及性得分降低 21.7%，并使 5.9% 的生成分子的电离势降低。
引用
@article{arxiv.2311.06297,
title = {STRIDE: Structure-guided Generation for Inverse Design of Molecules},
author = {Shehtab Zaman and Denis Akhiyarov and Mauricio Araya-Polo and Kenneth Chiu},
journal= {arXiv preprint arXiv:2311.06297},
year = {2023}
}