.png){kind=icon}
返回
Reverse engineering molecules from fingerprints through deterministic enumeration and generative models
.png){kind=icon}
OA
AI
DOI：10.1186/s13321-025-01074-5.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
分子逆向工程旨在基于活性或性质，通过分子描述符（如指纹）计算来识别最优结构。这一任务对于广泛使用的扩展连接性指纹（ECFPs）而言尤为困难，因为在向量化过程中存在显著的构型信息损失。尽管近期基于人工智能的研究已引起人们对ECFP相关数据共享隐私风险的重视，我们通过引入一种能够从ECFPs重构分子结构的确定性算法，提供了更确凿的证明。使用MetaNetX和eMolecules作为天然化合物及商业可购化学品数据库，该确定性算法对一种基于Transformer的生成模型进行了基准测试，该模型被训练用于从ECFPs预测SMILES。生成模型达到了95.64%的最高排名检索精度，但在穷举枚举方面存在困难。此外，将确定性方法应用于药物数据集揭示其在全新药物设计中的潜力，因为许多逆向工程重构的结构被发现已获得专利或得到生物实验数据支持。
我们提出一种能够从ECFP向量重构分子结构的确定性算法，证明这些指纹是可逆的。同时，我们对一种基于Transformer的生成模型进行了基准测试，该模型被训练用于从ECFPs预测SMILES，显示出高精度但在化学空间覆盖方面的局限性。这一双重方法推进了分子设计中的逆向工程，为全新药物发现提供了新工具。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.7
论文数:
1.5K
被引数:
1.1W
机构
引用论文
Found in Translation: predicting outcomes of complex organic chemistry reactions using neural sequence-to-sequence models在翻译中发现: 使用神经序列到序列模型预测复杂有机化学反应的结果.png)
CHEMICAL SCIENCEOAAI
CHEMICAL SCIENCEIF7.4
OAAI分享收藏Evolutionary design of molecules based on deep learning and a genetic algorithmSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
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Parallel tempered genetic algorithm guided by deep neural networks for inverse molecular designDIGITAL DISCOVERYOAAI
DIGITAL DISCOVERYIF5.6
OAAI分享收藏DrugBank 6.0: the DrugBank Knowledgebase for 2024DrugBank 6.0: 2024的DrugBank知识库NUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏
查看更多内容