論文の概要: MechRetro is a chemical-mechanism-driven graph learning framework for
interpretable retrosynthesis prediction and pathway planning
- arxiv url: http://arxiv.org/abs/2210.02630v1
- Date: Thu, 6 Oct 2022 01:27:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 18:06:39.499605
- Title: MechRetro is a chemical-mechanism-driven graph learning framework for
interpretable retrosynthesis prediction and pathway planning
- Title（参考訳）: MechRetroは化学機械駆動型グラフ学習フレームワークで、レトロシンセシス予測と経路計画を解釈できる
- Authors: Yu Wang, Chao Pang, Yuzhe Wang, Yi Jiang, Junru Jin, Sirui Liang, Quan
Zou, and Leyi Wei
- Abstract要約: MechRetroは、再合成予測と経路計画を解釈可能なグラフ学習フレームワークである。
化学知識を先行情報として統合することにより,新しいグラフトランスアーキテクチャを設計する。
我々はMechRetroが、大規模なベンチマークデータセットに対して大きなマージンで、レトロシンセティック予測のための最先端のアプローチよりも優れていることを実証した。
- 参考スコア（独自算出の注目度）: 10.364476820771607
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Leveraging artificial intelligence for automatic retrosynthesis speeds up
organic pathway planning in digital laboratories. However, existing deep
learning approaches are unexplainable, like "black box" with few insights,
notably limiting their applications in real retrosynthesis scenarios. Here, we
propose MechRetro, a chemical-mechanism-driven graph learning framework for
interpretable retrosynthetic prediction and pathway planning, which learns
several retrosynthetic actions to simulate a reverse reaction via elaborate
self-adaptive joint learning. By integrating chemical knowledge as prior
information, we design a novel Graph Transformer architecture to adaptively
learn discriminative and chemically meaningful molecule representations,
highlighting the strong capacity in molecule feature representation learning.
We demonstrate that MechRetro outperforms the state-of-the-art approaches for
retrosynthetic prediction with a large margin on large-scale benchmark
datasets. Extending MechRetro to the multi-step retrosynthesis analysis, we
identify efficient synthetic routes via an interpretable reasoning mechanism,
leading to a better understanding in the realm of knowledgeable synthetic
chemists. We also showcase that MechRetro discovers a novel pathway for
protokylol, along with energy scores for uncertainty assessment, broadening the
applicability for practical scenarios. Overall, we expect MechRetro to provide
meaningful insights for high-throughput automated organic synthesis in drug
discovery.
- Abstract（参考訳）: 自動レトロシンセシスのための人工知能の活用は、デジタル研究室における有機経路計画を高速化する。
しかし、既存のディープラーニングアプローチは説明がつかない。"ブラックボックス"のように、ほとんど洞察がなく、特に実際のレトロシンセシスシナリオでのアプリケーションを制限する。
そこで,本稿では,化学メカニズムを基盤とした化学学習フレームワークであるmechretroを提案する。このフレームワークは,複雑な自己適応型共同学習による逆反応をシミュレートするための,いくつかの逆合成作用を学習する。
化学知識を先行情報として統合することにより,識別的および化学的に有意味な分子表現を適応的に学習する新しいグラフトランスフォーマアーキテクチャを設計し,分子特徴表現学習における強力な能力を強調した。
我々は,大規模ベンチマークデータセットにおいて,mechretroがレトロシンセティック予測の最先端のアプローチを上回ることを実証する。
メヒレトロを多段階の逆合成解析に拡張し、解釈可能な推論機構を介して効率的な合成経路を同定し、知識のある合成化学者の領域をよりよく理解する。
また,MechRetroは,不確実性評価のためのエネルギースコアとともに,プロトキロールの新規な経路を発見し,実用シナリオへの適用性を広げた。
全体として、私たちはMechRetroが、薬物発見における高スループットの自動有機合成に有意義な洞察を提供することを期待している。
関連論文リスト
- An Autonomous Large Language Model Agent for Chemical Literature Data
Mining [60.85177362167166]
本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。
本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
論文 参考訳（メタデータ） (2024-02-20T13:21:46Z) - Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [57.70772230913099]
Chemist-Xは、検索増強生成(RAG)技術を用いた化学合成において、反応条件レコメンデーション(RCR)タスクを自動化する。
Chemist-Xはオンラインの分子データベースを尋問し、最新の文献データベースから重要なデータを蒸留する。
Chemist-Xは化学者の作業量を大幅に減らし、より根本的で創造的な問題に集中できるようにする。
論文 参考訳（メタデータ） (2023-11-16T01:21:33Z) - Recent advances in artificial intelligence for retrosynthesis [29.32667622776065]
再合成は有機化学の基盤であり、化学者が物質や医薬品の製造に不慣れで新しい分子にアクセスできるようにしている。
人工知能による最近のブレークスルーは、レトロシンセシスに革命をもたらした。
論文 参考訳（メタデータ） (2023-01-14T09:29:39Z) - 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) - Improving Molecular Representation Learning with Metric
Learning-enhanced Optimal Transport [49.237577649802034]
分子レグレッション問題に対する一般化能力を高めるために,MROTと呼ばれる新しい最適輸送ベースアルゴリズムを開発した。
MROTは最先端のモデルよりも優れており、新しい物質の発見を加速する有望な可能性を示している。
論文 参考訳（メタデータ） (2022-02-13T04:56:18Z) - 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) - Modern Hopfield Networks for Few- and Zero-Shot Reaction Prediction [3.885603826656419]
物理分子を実現するコンピュータ支援合成計画(CASP)はまだ初期段階にあり、大規模な分子発見を可能にする性能レベルが欠けています。
コントラスト学習により最適化された最新のHopfieldネットワーク(MHN)を用いた深層学習アーキテクチャを用いた新しい反応予測手法を提案する。
その結果,mhnのコントラスト学習アプローチは,従来の手法と対照的に,レア,シングル,さらにはトレーニング例のない反応予測に対して,少数およびゼロショットの学習を可能にすることがわかった。
論文 参考訳（メタデータ） (2021-04-07T17:35:00Z) - 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。