論文の概要: Molecular Design Based on Integer Programming and Quadratic Descriptors
in a Two-layered Model
- arxiv url: http://arxiv.org/abs/2209.13527v1
- Date: Tue, 13 Sep 2022 08:27:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 23:49:03.741946
- Title: Molecular Design Based on Integer Programming and Quadratic Descriptors
in a Two-layered Model
- Title（参考訳）: 2層モデルにおける整数計画と二次ディスクリプタに基づく分子設計
- Authors: Jianshen Zhu, Naveed Ahmed Azam, Shengjuan Cao, Ryota Ido, Kazuya
Haraguchi, Liang Zhao, Hiroshi Nagamochi and Tatsuya Akutsu
- Abstract要約: 混合整数線形プログラム(MILP)を解くことにより、所望の化学グラフを推論する。
特徴関数におけるグラフ理論記述子の集合は、そのようなMILPのコンパクトな定式化を導出するために重要な役割を果たす。
計算実験の結果,提案手法は最大50個の非水素原子を持つ化学構造を推定可能であることが示唆された。
- 参考スコア（独自算出の注目度）: 5.845754795753478
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A novel framework has recently been proposed for designing the molecular
structure of chemical compounds with a desired chemical property, where design
of novel drugs is an important topic in bioinformatics and chemo-informatics.
The framework infers a desired chemical graph by solving a mixed integer linear
program (MILP) that simulates the computation process of a feature function
defined by a two-layered model on chemical graphs and a prediction function
constructed by a machine learning method. A set of graph theoretical
descriptors in the feature function plays a key role to derive a compact
formulation of such an MILP. To improve the learning performance of prediction
functions in the framework maintaining the compactness of the MILP, this paper
utilizes the product of two of those descriptors as a new descriptor and then
designs a method of reducing the number of descriptors. The results of our
computational experiments suggest that the proposed method improved the
learning performance for many chemical properties and can infer a chemical
structure with up to 50 non-hydrogen atoms.
- Abstract（参考訳）: 近年,生物情報学や化学情報学において新規医薬品の設計が重要な話題となっている化学物質の分子構造設計のための新しい枠組みが提案されている。
このフレームワークは、化学グラフ上の2層モデルで定義された特徴関数の計算過程と、機械学習法で構築された予測関数をシミュレートする混合整数線形プログラム(MILP)を解くことにより、所望の化学グラフを推論する。
特徴関数におけるグラフ理論記述子の集合は、そのようなMILPのコンパクトな定式化を導出するために重要な役割を果たす。
本稿では,milpのコンパクト性を維持するフレームワークにおける予測関数の学習性能を向上させるために,これら2つの記述子の積を新しい記述子として利用し,記述子数を削減する手法を設計する。
計算実験の結果,提案手法は多くの化学特性の学習性能を向上し,50個の非水素原子を持つ化学構造を推定できることが示唆された。
関連論文リスト
- Investigating Graph Neural Networks and Classical Feature-Extraction Techniques in Activity-Cliff and Molecular Property Prediction [0.6906005491572401]
分子の破滅は、分子データの数値的特徴ベクトルへの変換を指す。
分子グラフから直接識別可能な特徴を学習する新しい手法として、メッセージパッシンググラフニューラルネットワーク(GNN)が登場した。
論文 参考訳（メタデータ） (2024-11-20T20:07:48Z) - GraphXForm: Graph transformer for computer-aided molecular design with application to extraction [73.1842164721868]
本稿では,デコーダのみのグラフトランスフォーマアーキテクチャであるGraphXFormについて述べる。
液液抽出のための2つの溶媒設計課題について評価し,4つの最先端分子設計技術より優れていることを示した。
論文 参考訳（メタデータ） (2024-11-03T19:45:15Z) - Pre-trained Molecular Language Models with Random Functional Group Masking [54.900360309677794]
SMILESをベースとしたアンダーリネム分子アンダーリネム言語アンダーリネムモデルを提案し,特定の分子原子に対応するSMILESサブシーケンスをランダムにマスキングする。
この技術は、モデルに分子構造や特性をよりよく推測させ、予測能力を高めることを目的としている。
論文 参考訳（メタデータ） (2024-11-03T01:56:15Z) - Cycle-Configuration: A Novel Graph-theoretic Descriptor Set for Molecular Inference [6.170488239124818]
サイクル・コンフィグレーション(CC)ディスクリプタは、mol-inferの標準の2層(2L)モデルで使用することができる。
提案された記述子は、芳香族環に現れる正統/メタ/パラパターンの概念を捉えている。
論文 参考訳（メタデータ） (2024-08-09T15:45:41Z) - A Gaussian Process Model for Ordinal Data with Applications to Chemoinformatics [0.0]
化学実験の結果を予測するための条件付きガウス過程モデルを提案する。
我々のモデルの新しい側面は、核がスケーリングパラメータを含み、化学空間の要素間の相関の強さを制御することである。
本稿では,化学発見の容易化と化合物の有効性に対する重要な特徴の同定のための遺伝的アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-16T11:18:32Z) - Atomic and Subgraph-aware Bilateral Aggregation for Molecular
Representation Learning [57.670845619155195]
我々は、原子とサブグラフを意識したバイラテラルアグリゲーション(ASBA)と呼ばれる分子表現学習の新しいモデルを導入する。
ASBAは、両方の種類の情報を統合することで、以前の原子単位とサブグラフ単位のモデルの限界に対処する。
本手法は,分子特性予測のための表現をより包括的に学習する方法を提供する。
論文 参考訳（メタデータ） (2023-05-22T00:56:00Z) - Molecular Design Based on Integer Programming and Splitting Data Sets by
Hyperplanes [6.504869613326338]
化学物質の分子構造を所望の化学的性質で設計するための枠組みを提案する。
提案フレームワークは,混合整数線形プログラム (MILP) と機械学習によって構築された予測関数を解くことで,所望の化学グラフを推定する。
計算実験の結果,提案手法は,優れた予測関数の構築が困難であったいくつかの化学特性の学習性能を向上させることが示唆された。
論文 参考訳（メタデータ） (2023-04-27T04:18:41Z) - An Equivariant Generative Framework for Molecular Graph-Structure
Co-Design [54.92529253182004]
分子グラフ構造アンダーラインCo設計のための機械学習ベースの生成フレームワークであるMollCodeを提案する。
MolCodeでは、3D幾何情報によって分子2Dグラフの生成が促進され、それによって分子3D構造の予測が導かれる。
分子設計における2次元トポロジーと3次元幾何は本質的に相補的な情報を含んでいることが明らかとなった。
論文 参考訳（メタデータ） (2023-04-12T13:34:22Z) - Molecular Design Based on Artificial Neural Networks, Integer
Programming and Grid Neighbor Search [6.519339570726759]
本稿では,混合整数線形プログラムの他の実現可能な解を生成する手法を提案する。
計算実験の結果,提案手法は, 最大50個の非水素原子を持つ新しい化学グラフを生成できることが示唆された。
論文 参考訳（メタデータ） (2021-08-23T16:10:57Z) - Structure-Enhanced Meta-Learning For Few-Shot Graph Classification [53.54066611743269]
本研究では,数点グラフ分類の解法のためのメトリベースメタラーニングの可能性を検討する。
SMFGINというGINの実装は、ChemblとTRIANGLESの2つのデータセットでテストされている。
論文 参考訳（メタデータ） (2021-03-05T09:03:03Z) - Energy-based View of Retrosynthesis [70.66156081030766]
エネルギーモデルとしてシーケンスおよびグラフベースの手法を統一するフレームワークを提案する。
本稿では,ベイズ前方および後方予測に対して一貫した訓練を行うフレームワーク内での新しい二重変種を提案する。
このモデルは、反応型が不明なテンプレートフリーアプローチに対して、最先端の性能を9.6%向上させる。
論文 参考訳（メタデータ） (2020-07-14T18:51:06Z)
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。