.png){kind=icon}
返回
GraphXForm: graph transformer for computer-aided molecular design
.png){kind=icon}
OA
AI
DOI：10.1039/d4dd00339j.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
生成式深度学习已成为药物发现、材料科学和化学工程中分子设计的核心方法。一种广泛使用的范式是在分子字符串表示上预训练神经网络，并通过强化学习在特定目标上进行微调。然而，基于字符串的模型在确保化学有效性和实施结构约束（如特定子结构的存在）方面面临挑战。我们提出将基于图的分子表示（可自然确保化学有效性）与Transformer架构（高度表达且能够建模原子间的长距离依赖关系）相结合。我们的方法通过迭代添加原子和键来修改分子图，这既确保了化学有效性，又便于纳入结构约束。我们提出了GraphXForm，一种仅解码器的图Transformer架构，它先在现有化合物上预训练，然后使用结合了深度交叉熵方法和自我改进学习元素的新型训练算法进行微调。我们在各种药物设计任务上评估了GraphXForm，其目标分数优于当前最先进的分子设计方法。此外，我们将GraphXForm应用于两种用于液-液萃取的溶剂设计任务，再次超越替代方法，同时灵活地实施结构约束或从现有分子结构开始设计。
Keyword:
GENERATIVE MODELS
DRUG DISCOVERY
COSMO-RS
期刊
IF:
5.6
论文数:
997
被引数:
1.7K
机构
引用论文
分享收藏A graph-based genetic algorithm and generative model/Monte Carlo tree search for the exploration of chemical space基于图的遗传算法和生成模型/蒙特卡洛树搜索的化学空间探索.png)
CHEMICAL SCIENCE
OAAI
CHEMICAL SCIENCEIF7.4
OAAI分享收藏SMILES, a chemical language and information system. 1. Introduction to methodology and encoding rules微笑，一种化学语言和信息系统。1.介绍方法和编码规则
PREAI
分享收藏
查看更多内容