論文の概要: RetroXpert: Decompose Retrosynthesis Prediction like a Chemist

• arxiv url: http://arxiv.org/abs/2011.02893v1
• Date: Wed, 4 Nov 2020 04:35:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 23:17:48.096224
• Title: RetroXpert: Decompose Retrosynthesis Prediction like a Chemist
• Title（参考訳）: RetroXpert:化学者としての再合成予測を分解する
• Authors: Chaochao Yan and Qianggang Ding and Peilin Zhao and Shuangjia Zheng and Jinyu Yang and Yang Yu and Junzhou Huang
• Abstract要約: そこで我々は, テンプレートフリーな自動逆合成拡張アルゴリズムを考案した。 我々の方法はレトロシンセシスを2段階に分解する。 最先端のベースラインよりも優れている一方で、我々のモデルは化学的に合理的な解釈も提供する。
• 参考スコア（独自算出の注目度）: 60.463900712314754
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrosynthesis is the process of recursively decomposing target molecules into available building blocks. It plays an important role in solving problems in organic synthesis planning. To automate or assist in the retrosynthesis analysis, various retrosynthesis prediction algorithms have been proposed. However, most of them are cumbersome and lack interpretability about their predictions. In this paper, we devise a novel template-free algorithm for automatic retrosynthetic expansion inspired by how chemists approach retrosynthesis prediction. Our method disassembles retrosynthesis into two steps: i) identify the potential reaction center of the target molecule through a novel graph neural network and generate intermediate synthons, and ii) generate the reactants associated with synthons via a robust reactant generation model. While outperforming the state-of-the-art baselines by a significant margin, our model also provides chemically reasonable interpretation.
• Abstract（参考訳）: レトロシンセシスは、ターゲット分子を利用可能な構成要素に再帰的に分解するプロセスである。 有機合成計画における問題解決において重要な役割を担っている。 逆合成解析を自動化または支援するために, 様々な逆合成予測アルゴリズムが提案されている。 しかし、そのほとんどは面倒で、予測の解釈性に欠けています。 本稿では, 化学者がレトロシンセシス予測にどのようにアプローチするかに触発された, 自動リトロシンセティック展開のための新しいテンプレートフリーアルゴリズムを考案する。 我々の方法はレトロ合成を2段階に分解する。 一 新規なグラフ神経ネットワークを介して標的分子の電位反応中心を同定し、中間合成子を生成すること。 二 頑健な反応生成モデルにより合成物に関連する反応物を生成すること。 最先端のベースラインをかなりの差で上回る一方で、我々のモデルは化学的に合理的な解釈も提供する。

関連論文リスト

• BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
  BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。 我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。 この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
  論文  参考訳（メタデータ） (2024-08-19T05:17:40Z)
• Retro-prob: Retrosynthetic Planning Based on a Probabilistic Model [5.044138778500218]
  再合成は有機化学の基本的だが挑戦的な課題である。 標的分子を与えられた後生合成の目標は、合成経路に組み立てられる一連の反応を見つけることである。 本稿では,標的分子の合成確率を最大化するために,retro-probと呼ばれる新しい逆合成計画アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-25T08:23:40Z)
• FusionRetro: Molecule Representation Fusion via In-Context Learning for Retrosynthetic Planning [58.47265392465442]
  再合成計画(Retrosynthetic Planning)は、開始物質から標的分子への完全な多段階合成経路を考案することを目的としている。 現在の戦略では、単一ステップの逆合成モデルと探索アルゴリズムの分離されたアプローチを採用している。 本稿では,文脈情報を利用した新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-30T08:44:58Z)
• MARS: A Motif-based Autoregressive Model for Retrosynthesis Prediction [54.75583184356392]
  本稿では,レトロシンセシス予測のための新しいエンドツーエンドグラフ生成モデルを提案する。 反応中心を逐次同定し、合成子を生成し、合成子にモチーフを加えて反応子を生成する。 ベンチマークデータセットの実験では、提案されたモデルが従来の最先端のアルゴリズムを大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2022-09-27T06:29:35Z)
• $\mathsf{G^2Retro}$ as a Two-Step Graph Generative Models for Retrosynthesis Prediction [21.905438801819027]
  再合成は標的分子が潜在的反応物質に変換される過程である。 本稿では,1段階の再合成予測のための生成フレームワーク$mathsfG2Retro$を開発する。
  論文  参考訳（メタデータ） (2022-06-10T05:34:12Z)
• Retroformer: Pushing the Limits of Interpretable End-to-end Retrosynthesis Transformer [15.722719721123054]
  再合成予測は有機合成の基本的な課題の1つである。 本稿では,レトロシンセシス予測のためのトランスフォーマーに基づく新しいアーキテクチャであるRetroformerを提案する。 Retroformerは、エンドツーエンドのテンプレートフリーレトロシンセシスのための新しい最先端の精度に達する。
  論文  参考訳（メタデータ） (2022-01-29T02:03:55Z)
• Learning Graph Models for Retrosynthesis Prediction [90.15523831087269]
  再合成予測は有機合成の基本的な問題である。 本稿では,前駆体分子のグラフトポロジーが化学反応中にほとんど変化しないという考え方を生かしたグラフベースのアプローチを提案する。 提案モデルでは,テンプレートフリーおよび半テンプレートベースの手法よりも高い5,3.7%の精度でトップ1の精度を実現している。
  論文  参考訳（メタデータ） (2020-06-12T09:40:42Z)
• Retrosynthesis Prediction with Conditional Graph Logic Network [118.70437805407728]
  コンピュータ支援のレトロシンセシスは、化学と計算機科学の双方から新たな関心を集めている。 本稿では,グラフニューラルネットワーク上に構築された条件付きグラフィカルモデルであるConditional Graph Logic Networkを用いて,この課題に対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-06T05:36:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。