論文の概要: Molecule-Edit Templates for Efficient and Accurate Retrosynthesis Prediction

• arxiv url: http://arxiv.org/abs/2310.07313v1
• Date: Wed, 11 Oct 2023 09:00:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-12 23:34:42.774102
• Title: Molecule-Edit Templates for Efficient and Accurate Retrosynthesis Prediction
• Title（参考訳）: 効率的な再合成予測のための分子編集テンプレート
• Authors: Miko{\l}aj Sacha, Micha{\l} Sadowski, Piotr Kozakowski, Ruard van Workum, Stanis{\l}aw Jastrz\k{e}bski
• Abstract要約: 最小限のテンプレートを用いて反応を予測する機械学習モデルMETROを紹介する。 標準ベンチマークで最先端の結果を得る。
• 参考スコア（独自算出の注目度）: 0.16070833439280313
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrosynthesis involves determining a sequence of reactions to synthesize complex molecules from simpler precursors. As this poses a challenge in organic chemistry, machine learning has offered solutions, particularly for predicting possible reaction substrates for a given target molecule. These solutions mainly fall into template-based and template-free categories. The former is efficient but relies on a vast set of predefined reaction patterns, while the latter, though more flexible, can be computationally intensive and less interpretable. To address these issues, we introduce METRO (Molecule-Edit Templates for RetrOsynthesis), a machine-learning model that predicts reactions using minimal templates - simplified reaction patterns capturing only essential molecular changes - reducing computational overhead and achieving state-of-the-art results on standard benchmarks.
• Abstract（参考訳）: 再合成は、単純な前駆体から複雑な分子を合成する一連の反応を決定することを含む。 これは有機化学において課題となるため、機械学習は特に特定の標的分子に対して可能な反応基質を予測するためのソリューションを提供している。 これらのソリューションは主にテンプレートベースとテンプレートフリーのカテゴリに分類される。 前者は効率的だが、多くの事前定義された反応パターンに依存している。 これらの問題に対処するため,我々はmetro(molecule-edit template for retro synthesis)という,最小限のテンプレートを使用して反応を予測する機械学習モデルを紹介している。

関連論文リスト

• 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)
• MARS: A Motif-based Autoregressive Model for Retrosynthesis Prediction [54.75583184356392]
  本稿では,レトロシンセシス予測のための新しいエンドツーエンドグラフ生成モデルを提案する。 反応中心を逐次同定し、合成子を生成し、合成子にモチーフを加えて反応子を生成する。 ベンチマークデータセットの実験では、提案されたモデルが従来の最先端のアルゴリズムを大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2022-09-27T06:29:35Z)
• 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)
• RetroComposer: Discovering Novel Reactions by Composing Templates for Retrosynthesis Prediction [63.14937611038264]
  本稿では,テンプレート以外の新しいテンプレートを構築可能な,革新的な再合成予測フレームワークを提案する。 実験結果から,USPTO-50Kデータセットにおいて,328個のテスト反応のためのテンプレートを新たに作成できることが示唆された。
  論文  参考訳（メタデータ） (2021-12-20T05:57:07Z)
• 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)
• Molecule Edit Graph Attention Network: Modeling Chemical Reactions as Sequences of Graph Edits [0.0]
  本稿では,エンド・ツー・エンドのエンコーダ・デコーダ・ニューラルモデルであるMEGAN(Moecule Edit Graph Attention Network)を提案する。 MEGANは、化学反応をグラフ編集のシーケンスとして表現するモデルにインスパイアされている。 我々は、このモデルを再合成予測(化学反応の産物から得られる基質を予測する)に拡張し、大規模なデータセットにスケールアップする。
  論文  参考訳（メタデータ） (2020-06-27T18:50:24Z)
• 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。