首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Nat. Com. Sci. | 计算设计可合成分子

Nat. Com. Sci. | 计算设计可合成分子

作者头像
DrugAI
修改2021-02-02 11:36:16
3710
修改2021-02-02 11:36:16
举报
文章被收录于专栏:DrugAIDrugAI

编·译作者 | 王建民

In Proc. Advances in Neural Information Processing Systems 33 (NeurIPS, 2020) Barking up the right tree: an approach to search over molecule synthesis DAGs. John Bradshaw; Brooks Paige; Matt J. Kusner; Marwin H. S. Segler; José Miguel Hernández-Lobato

设计新分子有许多重要的应用,跨越不同的科学领域。例如,新药研发就是其中的一种应用,在这种应用中,可以创造新的分子来作用于疾病的潜在靶点。新分子也可以被设计成新材料,以应对科学界面临的各种技术挑战,包括可再生能源的开发和更高效电池的实施。

分子的发现过程往往是以一项依赖于许多实验周期的繁重任务为代表。为了使这一过程更加高效,已经有很多关于使用机器学习(ML, machine learning)的研究,以更智能地探索庞大的化学空间,寻找优化某些感兴趣的分子的属性。然而,基于ML的方法可能会指向可能无法合成的分子,这阻碍了这些方法的实际使用。为了解决这一差距,John Bradshaw及其同事提出了一个直接输出多步骤分子合成路线的模型,该模型最大限度地增加了发现的潜在可合成分子的数量。

所提出方法的主要直觉是使用分子合成路线的深度生成模型。这些路线用图来表示,图中详细说明了产生一个给定分子所采取的一系列反应步骤。然后,生成模型可以集成到其他架构中,以更好地探索分子空间,并根据特定属性进行分子优化。与其他生成模型和优化模型相比,他们的模型具有类似的性能,其优势在于除了输出说明如何创建分子的合成路线外,还能发现更多的可合成分子的部分。因此,这有可能更好地指导分子发现过程,为更高效的分子设计铺平道路。

参考资料

  1. Chirigati, F. Computationally designing synthesizable molecules. Nat Comput Sci 1, 14 (2021). https://doi.org/10.1038/s43588-020-00017-4
  2. Barking up the right tree: an approach to search over molecule synthesis DAGs. arXiv - CS - Machine Learning Pub Date : 2020-12-21 , DOI: arxiv-2012.11522. John Bradshaw; Brooks Paige; Matt J. Kusner; Marwin H. S. Segler; José Miguel Hernández-Lobato https://papers.nips.cc/paper/2020/file/4cc05b35c2f937c5bd9e7d41d3686fff-Paper.pdf
本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2021-01-16,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 DrugAI 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档