論文の概要: Models Matter: The Impact of Single-Step Retrosynthesis on Synthesis Planning

• arxiv url: http://arxiv.org/abs/2308.05522v1
• Date: Thu, 10 Aug 2023 12:04:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-11 12:38:22.802423
• Title: Models Matter: The Impact of Single-Step Retrosynthesis on Synthesis Planning
• Title（参考訳）: モデル問題:一段階のレトロシンセシスが合成計画に及ぼす影響
• Authors: Paula Torren-Peraire, Alan Kai Hassen, Samuel Genheden, Jonas Verhoeven, Djork-Arne Clevert, Mike Preuss, Igor Tetko
• Abstract要約: 再合成は、化学化合物を段階的に分子前駆体に分解する。 その2つの主要な研究方向、単段階の逆合成予測と多段階の合成計画は本質的に相互に絡み合っている。 単一ステップモデルを選択することで,合成計画の総合的な成功率を最大28%向上させることができることを示す。
• 参考スコア（独自算出の注目度）: 0.8620335948752805
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retrosynthesis consists of breaking down a chemical compound recursively step-by-step into molecular precursors until a set of commercially available molecules is found with the goal to provide a synthesis route. Its two primary research directions, single-step retrosynthesis prediction, which models the chemical reaction logic, and multi-step synthesis planning, which tries to find the correct sequence of reactions, are inherently intertwined. Still, this connection is not reflected in contemporary research. In this work, we combine these two major research directions by applying multiple single-step retrosynthesis models within multi-step synthesis planning and analyzing their impact using public and proprietary reaction data. We find a disconnection between high single-step performance and potential route-finding success, suggesting that single-step models must be evaluated within synthesis planning in the future. Furthermore, we show that the commonly used single-step retrosynthesis benchmark dataset USPTO-50k is insufficient as this evaluation task does not represent model performance and scalability on larger and more diverse datasets. For multi-step synthesis planning, we show that the choice of the single-step model can improve the overall success rate of synthesis planning by up to +28% compared to the commonly used baseline model. Finally, we show that each single-step model finds unique synthesis routes, and differs in aspects such as route-finding success, the number of found synthesis routes, and chemical validity, making the combination of single-step retrosynthesis prediction and multi-step synthesis planning a crucial aspect when developing future methods.
• Abstract（参考訳）: 再合成は、化学化合物を段階的に分子前駆体に分解し、商業的に利用可能な分子の集合が合成経路を提供するために見つかるまでである。 化学反応論理をモデル化する1段階レトロシンセシス予測と、反応の正しい配列を見つけようとする多段階合成計画という2つの主要な研究方向は本質的に絡み合っている。 しかし、この関係は現代の研究には反映されていない。 本研究では、これらの2つの主要な研究方向を多段階合成計画に複数段階の逆合成モデルを適用し、パブリックおよびプロプライエタリな反応データを用いてそれらの影響を分析する。 高い単段性能と潜在的経路探索成功との切り離しを見いだし,今後の合成計画において単段モデルを評価する必要があることを示唆した。 さらに,この評価課題は,大規模で多様なデータセット上でのモデル性能やスケーラビリティを表わさないため,一般的な単段階回帰合成ベンチマークデータセットUSPTO-50kは不十分であることを示す。 多段階合成計画において,単一ステップモデルの選択は,一般的なベースラインモデルと比較して,最大28%の精度で合成計画全体の成功率を向上できることを示す。 最後に,各単段モデルが一意な合成経路を見いだし,経路探索の成功,発見された合成経路の数,化学有効性などの側面が異なることを示し,今後の手法開発において,単段逆合成予測と多段合成計画の組み合わせが重要な側面であることを示す。

関連論文リスト

• 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)
• UAlign: Pushing the Limit of Template-free Retrosynthesis Prediction with Unsupervised SMILES Alignment [51.49238426241974]
  本稿では,テンプレートのないグラフ・ツー・シーケンスパイプラインであるUAlignを紹介した。 グラフニューラルネットワークとトランスフォーマーを組み合わせることで、分子固有のグラフ構造をより効果的に活用することができる。
  論文  参考訳（メタデータ） (2024-03-25T03:23:03Z)
• RetroBridge: Modeling Retrosynthesis with Markov Bridges [2.256703675017117]
  再合成計画は、市販の開始物質から標的分子への反応経路を設計することを目的としている。 本稿では,2つの離散分布間の依存性を近似する生成フレームワークであるマルコフブリッジモデルを紹介する。 次に, 新たなフレームワークでレトロシンセシス計画問題に対処し, テンプレートレスレトロシンセシスモデリング手法RetroBridgeを導入する。
  論文  参考訳（メタデータ） (2023-08-30T15:09:22Z)
• Mind the Retrosynthesis Gap: Bridging the divide between Single-step and Multi-step Retrosynthesis Prediction [0.9134244356393664]
  多段階のアプローチは、単段階の逆合成モデルに格納された化学情報を繰り返し適用する。 複数のステップに拡張された1段階の逆合成のためのモデルが、現在のマルチステップ手法の経路探索能力に大きな影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2022-12-12T18:06:24Z)
• 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)
• 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)
• 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)
• 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。