論文の概要: Modeling Diverse Chemical Reactions for Single-step Retrosynthesis via
Discrete Latent Variables
- arxiv url: http://arxiv.org/abs/2208.05482v1
- Date: Wed, 10 Aug 2022 14:50:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-12 13:47:39.578046
- Title: Modeling Diverse Chemical Reactions for Single-step Retrosynthesis via
Discrete Latent Variables
- Title(参考訳): 離散潜在変数を用いた一段階再合成のための異種化学反応のモデル化
- Authors: Huarui He, Jie Wang, Yunfei Liu, Feng Wu
- Abstract要約: 単段階の逆合成の目標は、1回の反応で標的生成物の合成に繋がる可能性のある反応物質を同定することである。
既存の配列に基づくレトロ合成法は、生成物から反応物へのレトロ合成を配列から配列への翻訳問題として扱う。
本稿では,条件付き変分オートエンコーダを1ステップの逆合成に組み込んだRetroDVCAEを提案する。
- 参考スコア(独自算出の注目度): 43.900173434781905
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single-step retrosynthesis is the cornerstone of retrosynthesis planning,
which is a crucial task for computer-aided drug discovery. The goal of
single-step retrosynthesis is to identify the possible reactants that lead to
the synthesis of the target product in one reaction. By representing organic
molecules as canonical strings, existing sequence-based retrosynthetic methods
treat the product-to-reactant retrosynthesis as a sequence-to-sequence
translation problem. However, most of them struggle to identify diverse
chemical reactions for a desired product due to the deterministic inference,
which contradicts the fact that many compounds can be synthesized through
various reaction types with different sets of reactants. In this work, we aim
to increase reaction diversity and generate various reactants using discrete
latent variables. We propose a novel sequence-based approach, namely
RetroDVCAE, which incorporates conditional variational autoencoders into
single-step retrosynthesis and associates discrete latent variables with the
generation process. Specifically, RetroDVCAE uses the Gumbel-Softmax
distribution to approximate the categorical distribution over potential
reactions and generates multiple sets of reactants with the variational
decoder. Experiments demonstrate that RetroDVCAE outperforms state-of-the-art
baselines on both benchmark dataset and homemade dataset. Both quantitative and
qualitative results show that RetroDVCAE can model the multi-modal distribution
over reaction types and produce diverse reactant candidates.
- Abstract(参考訳): 単段階のレトロシンセシスはレトロシンセシス計画の基礎であり、コンピュータ支援薬物発見にとって重要な課題である。
単段階の逆合成の目標は、1回の反応で標的生成物の合成につながる可能性のある反応物質を特定することである。
有機分子を正弦として表現することにより、既存の配列に基づく逆合成法は、生成物から反応物への逆合成を配列から配列への翻訳問題として扱う。
しかし、これらの化合物の多くは、決定論的推論によって望ましい生成物に対する多様な化学反応を特定するのに苦慮しており、多くの化合物が異なる反応集合を持つ様々な反応型によって合成されるという事実と矛盾する。
本研究では, 反応の多様性を高め, 離散潜伏変数を用いて様々な反応物質を生成することを目的とする。
本稿では,条件付き変分オートエンコーダを単一ステップレトロシンセシスに組み込んで,離散的潜在変数と生成過程を関連付ける,新しいシーケンスベースアプローチ,retrodvcaeを提案する。
具体的には、RetroDVCAEはGumbel-Softmax分布を用いてポテンシャル反応上のカテゴリー分布を近似し、変分復号器で複数の反応物を生成する。
実験により、retrodvcaeはベンチマークデータセットと自家製データセットの両方で最先端のベースラインを上回ることが示されている。
定量的および定性的な結果から、レトロドvcaeは反応型に対するマルチモーダル分布をモデル化し、多様な反応候補を生成することができる。
関連論文リスト
- RetroDiff: Retrosynthesis as Multi-stage Distribution Interpolation [32.643400484143605]
本稿では,この問題に対処する新しい拡散法であるRetro synthesis(RetroDiff)を紹介する。
私たちの重要な革新は、多段階拡散プロセスを開発することです。
ベンチマーク実験により, 提案手法が他の全ての準テンプレート法よりも優れていることを示した。
論文 参考訳(メタデータ) (2023-11-23T16:08:52Z) - Differentiable Programming of Chemical Reaction Networks [63.948465205530916]
化学反応ネットワークは、自然によって使用される最も基本的な計算基板の1つである。
膜によって分離された複数のチャンバーを持つシステムと同様に、よく混合されたシングルチャンバーシステムについて検討した。
我々は、微分可能な最適化と適切な正規化が相まって、非自明なスパース反応ネットワークを発見することを実証した。
論文 参考訳(メタデータ) (2023-02-06T11:41:14Z) - Root-aligned SMILES for Molecular Retrosynthesis Prediction [31.818364437526885]
再合成予測は有機合成の基本的な問題であり、標的分子の合成に使用できる前駆体分子を発見することが目的である。
既存の計算逆合成手法の一般的なパラダイムは、列から列への変換問題として再合成予測を定式化する。
本稿では,製品と反応するSMILES間の一対一マッピングを厳密に整列するルート整列SMILES(R-SMILES)を提案する。
論文 参考訳(メタデータ) (2022-03-22T03:50:04Z) - 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) - ChemiRise: a data-driven retrosynthesis engine [19.52621175562223]
ケミリゼは、有機化合物を迅速かつ確実に再合成する完全な経路を提案することができる。
システムは300万以上の有機反応を処理した特許データベース上で訓練された。
論文 参考訳(メタデータ) (2021-08-09T05:13:14Z) - Self-Improved Retrosynthetic Planning [66.5397931294144]
再合成計画(Retrosynthetic Planning)は、標的分子を合成する反応の経路を見つけるための化学の基本的な問題である。
最近の検索アルゴリズムは、ディープニューラルネットワーク(DNN)を用いてこの問題を解決するための有望な結果を示している。
そこで本研究では,DNNを直接訓練し,望ましい特性を持つ反応経路を生成するためのエンドツーエンドフレームワークを提案する。
論文 参考訳(メタデータ) (2021-06-09T08:03:57Z) - RetCL: A Selection-based Approach for Retrosynthesis via Contrastive
Learning [107.64562550844146]
レトロシンセシスは深層学習の新たな研究分野である。
本稿では, 市販分子の候補群から, 反応物質の選択問題へとレトロシンセシスを再構成する新しいアプローチを提案する。
スコア機能を学ぶために、ハードネガティブマイニングを備えた新しいコントラストトレーニングスキームも提案します。
論文 参考訳(メタデータ) (2021-05-03T12:47:57Z) - RetroXpert: Decompose Retrosynthesis Prediction like a Chemist [60.463900712314754]
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。
論文 参考訳(メタデータ) (2020-11-04T04:35:34Z) - 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。