論文の概要: Diffusing on Two Levels and Optimizing for Multiple Properties: A Novel
Approach to Generating Molecules with Desirable Properties
- arxiv url: http://arxiv.org/abs/2310.04463v1
- Date: Thu, 5 Oct 2023 11:43:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 18:30:37.288287
- Title: Diffusing on Two Levels and Optimizing for Multiple Properties: A Novel
Approach to Generating Molecules with Desirable Properties
- Title（参考訳）: 2段階の拡散と多重特性の最適化:望ましくない性質を持つ分子の生成への新しいアプローチ
- Authors: Siyuan Guo and Jihong Guan and Shuigeng Zhou
- Abstract要約: 本稿では,分子を望ましい性質で生成する新しい手法を提案する。
望ましい分子断片を得るため,我々は新しい電子効果に基づくフラグメンテーション法を開発した。
提案手法により生成する分子は, 従来のSOTAモデルより有効, 特異性, 新規性, Fr'echet ChemNet Distance (FCD), QED, PlogP を有することを示す。
- 参考スコア（独自算出の注目度）: 33.2976176283611
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the past decade, Artificial Intelligence driven drug design and discovery
has been a hot research topic, where an important branch is molecule generation
by generative models, from GAN-based models and VAE-based models to the latest
diffusion-based models. However, most existing models pursue only the basic
properties like validity and uniqueness of the generated molecules, a few go
further to explicitly optimize one single important molecular property (e.g.
QED or PlogP), which makes most generated molecules little usefulness in
practice. In this paper, we present a novel approach to generating molecules
with desirable properties, which expands the diffusion model framework with
multiple innovative designs. The novelty is two-fold. On the one hand,
considering that the structures of molecules are complex and diverse, and
molecular properties are usually determined by some substructures (e.g.
pharmacophores), we propose to perform diffusion on two structural levels:
molecules and molecular fragments respectively, with which a mixed Gaussian
distribution is obtained for the reverse diffusion process. To get desirable
molecular fragments, we develop a novel electronic effect based fragmentation
method. On the other hand, we introduce two ways to explicitly optimize
multiple molecular properties under the diffusion model framework. First, as
potential drug molecules must be chemically valid, we optimize molecular
validity by an energy-guidance function. Second, since potential drug molecules
should be desirable in various properties, we employ a multi-objective
mechanism to optimize multiple molecular properties simultaneously. Extensive
experiments with two benchmark datasets QM9 and ZINC250k show that the
molecules generated by our proposed method have better validity, uniqueness,
novelty, Fr\'echet ChemNet Distance (FCD), QED, and PlogP than those generated
by current SOTA models.
- Abstract（参考訳）: 過去10年間、人工知能による薬物の設計と発見はホットな研究のトピックであり、GANベースのモデルやVAEベースのモデルから最新の拡散ベースのモデルまで、生成モデルによる分子生成が重要な分岐である。
しかし、既存のモデルのほとんどは生成した分子の妥当性や一意性といった基本的な性質のみを追求しており、いくつかのモデルでは1つの重要な分子特性(例えばqedやplogp)を明示的に最適化している。
本稿では,複数の革新的な設計により拡散モデルフレームワークを拡張する,望ましい性質を持つ分子を生成する新しい手法を提案する。
新規性は2倍である。
一方、分子の構造は複雑で多様であり、分子の性質は通常いくつかのサブ構造(例えば、薬理泳動)によって決定されるため、逆拡散過程において混合ガウス分布が得られた分子と分子フラグメントの2つの構造レベルで拡散することを提案する。
望ましい分子フラグメントを得るために,新しい電子効果に基づくフラグメンテーション法を開発した。
一方,拡散モデルフレームワークでは,複数の分子特性を明示的に最適化する方法が2つ紹介されている。
まず, 薬物分子は化学的に有効でなければならないため, エネルギー誘導関数により分子の妥当性を最適化する。
第2に, 薬物分子は様々な性質において望ましいため, 複数の分子特性を同時に最適化する多目的機構を用いる。
2つのベンチマークデータセット QM9 と ZINC250k による大規模な実験により、提案手法により生成された分子は、現在のSOTAモデルで生成された分子よりも優れた妥当性、特異性、新規性、Fr\'echet ChemNet Distance (FCD)、QED、PlogP を有することが示された。
関連論文リスト
- DecompDiff: Diffusion Models with Decomposed Priors for Structure-Based Drug Design [62.68420322996345]
既存の構造に基づく薬物設計法は、すべての配位子原子を等しく扱う。
腕と足場を分解した新しい拡散モデルDecompDiffを提案する。
提案手法は,高親和性分子の生成における最先端性能を実現する。
論文 参考訳（メタデータ） (2024-02-26T05:21:21Z) - Molecule Design by Latent Space Energy-Based Modeling and Gradual
Distribution Shifting [53.44684898432997]
化学的・生物学的性質が望ましい分子の生成は、薬物発見にとって重要である。
本稿では,分子の結合分布とその特性を捉える確率的生成モデルを提案する。
本手法は種々の分子設計タスクにおいて非常に強力な性能を発揮する。
論文 参考訳（メタデータ） (2023-06-09T03:04:21Z) - MUDiff: Unified Diffusion for Complete Molecule Generation [104.7021929437504]
本稿では,原子の特徴,2次元離散分子構造,および3次元連続分子座標を含む分子の包括的表現を生成する新しいモデルを提案する。
拡散過程を認知するための新しいグラフトランスフォーマーアーキテクチャを提案する。
我々のモデルは、安定で多様な分子を設計するための有望なアプローチであり、分子モデリングの幅広いタスクに適用できる。
論文 参考訳（メタデータ） (2023-04-28T04:25:57Z) - Exploring Chemical Space with Score-based Out-of-distribution Generation [57.15855198512551]
生成微分方程式(SDE)にアウト・オブ・ディストリビューション制御を組み込んだスコアベース拡散方式を提案する。
いくつかの新しい分子は現実世界の薬物の基本的な要件を満たしていないため、MOODは特性予測器からの勾配を利用して条件付き生成を行う。
我々はMOODがトレーニング分布を超えて化学空間を探索できることを実験的に検証し、既存の方法で見いだされた分子、そして元のトレーニングプールの上位0.01%までも生成できることを実証した。
論文 参考訳（メタデータ） (2022-06-06T06:17:11Z) - MGCVAE: Multi-objective Inverse Design via Molecular Graph Conditional
Variational Autoencoder [0.0]
本研究では,デノボ設計のためのオートエンコーダに基づく分子グラフ生成モデルを提案する。
結果: MGCVAEでは25.89%の最適化された分子が生成され, MGVAEでは0.66%であった。
論文 参考訳（メタデータ） (2022-02-14T14:33:33Z) - Molecular Attributes Transfer from Non-Parallel Data [57.010952598634944]
分子最適化をスタイル伝達問題として定式化し、非並列データの2つのグループ間の内部差を自動的に学習できる新しい生成モデルを提案する。
毒性修飾と合成性向上という2つの分子最適化タスクの実験により,本モデルがいくつかの最先端手法を著しく上回ることを示した。
論文 参考訳（メタデータ） (2021-11-30T06:10:22Z) - Fragment-based molecular generative model with high generalization
ability and synthetic accessibility [0.0]
本稿では, ターゲット特性を持つ新規分子を設計するフラグメントに基づく分子生成モデルを提案する。
我々のモデルの重要な特徴は、プロパティ制御とフラグメントタイプの観点からの高度な一般化能力である。
モデルでは,複数のターゲット特性を同時に制御した分子を高い成功率で生成できることを示す。
論文 参考訳（メタデータ） (2021-11-25T04:44:37Z) - De Novo Molecular Generation with Stacked Adversarial Model [24.83456726428956]
近年, ド・ノボの薬物設計に期待できるアプローチとして, 条件付き生成逆数モデルが提案されている。
本稿では、2つのモデルを重ね合わせることで、既存の対向オートエンコーダモデルを拡張する新しい生成モデルを提案する。
我々の積み重ねられたアプローチは、既知の薬物とより類似した分子と同様に、より有効な分子を生成する。
論文 参考訳（メタデータ） (2021-10-24T14:23:16Z) - MIMOSA: Multi-constraint Molecule Sampling for Molecule Optimization [51.00815310242277]
生成モデルと強化学習アプローチは、最初の成功をおさめたが、複数の薬物特性を同時に最適化する上で、依然として困難に直面している。
本稿では,MultI-Constraint MOlecule SAmpling (MIMOSA)アプローチ,初期推定として入力分子を用いるサンプリングフレームワーク,ターゲット分布からのサンプル分子を提案する。
論文 参考訳（メタデータ） (2020-10-05T20:18:42Z) - Multi-Objective Molecule Generation using Interpretable Substructures [38.637412590671865]
薬物発見は、特定の化学的性質を持つ新規化合物を見つけることを目的としている。
目的は、複数の性質制約の交わりで分子をサンプリングすることを学ぶことである。
我々は、分子の合理性と呼ばれる部分構造の語彙から分子を構成することによって、この複雑さを相殺することを提案する。
論文 参考訳（メタデータ） (2020-02-08T22:55:37Z)
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。