論文の概要: RetroDiff: Retrosynthesis as Multi-stage Distribution Interpolation

• arxiv url: http://arxiv.org/abs/2311.14077v1
• Date: Thu, 23 Nov 2023 16:08:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-27 23:19:51.194697
• Title: RetroDiff: Retrosynthesis as Multi-stage Distribution Interpolation
• Title（参考訳）: RetroDiff:多段階分布補間としての再合成
• Authors: Yiming Wang, Yuxuan Song, Minkai Xu, Rui Wang, Hao Zhou, Weiying Ma
• Abstract要約: 本稿では,この問題に対処する新しい拡散法であるRetro synthesis(RetroDiff)を紹介する。 私たちの重要な革新は、多段階拡散プロセスを開発することです。 ベンチマーク実験により, 提案手法が他の全ての準テンプレート法よりも優れていることを示した。
• 参考スコア（独自算出の注目度）: 32.643400484143605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrosynthesis poses a fundamental challenge in biopharmaceuticals, aiming to aid chemists in finding appropriate reactant molecules and synthetic pathways given determined product molecules. With the reactant and product represented as 2D graphs, retrosynthesis constitutes a conditional graph-to-graph generative task. Inspired by the recent advancements in discrete diffusion models for graph generation, we introduce Retrosynthesis Diffusion (RetroDiff), a novel diffusion-based method designed to address this problem. However, integrating a diffusion-based graph-to-graph framework while retaining essential chemical reaction template information presents a notable challenge. Our key innovation is to develop a multi-stage diffusion process. In this method, we decompose the retrosynthesis procedure to first sample external groups from the dummy distribution given products and then generate the external bonds to connect the products and generated groups. Interestingly, such a generation process is exactly the reverse of the widely adapted semi-template retrosynthesis procedure, i.e. from reaction center identification to synthon completion, which significantly reduces the error accumulation. Experimental results on the benchmark have demonstrated the superiority of our method over all other semi-template methods.
• Abstract（参考訳）: 再合成は、化学者が適切な反応分子や決定された生成物分子の合成経路を見つけるのを助けることを目的として、バイオ医薬品の基本的な課題となっている。 反応物と積が2Dグラフとして表されるので、逆合成は条件付きグラフからグラフへの生成タスクを構成する。 グラフ生成のための離散拡散モデルの最近の進歩に触発されて,この問題に対処する新しい拡散法であるRetro synthesis Diffusion(RetroDiff)を導入する。 しかし,本質的な化学反応テンプレート情報を保持しつつ拡散ベースのグラフ・ツー・グラフのフレームワークを統合することは,大きな課題である。 私たちの重要な革新は、多段階拡散プロセスを開発することです。 本手法では, ダミー分布生成物から最初に外部基を採取し, 生成物と生成物を結合する外部結合を生成するために, 逆合成法を分解する。 興味深いことに、このような生成過程は、広く適応された半テンプレート逆合成過程、すなわち反応中心の同定から合成完了までの逆であり、エラーの蓄積を著しく減少させる。 評価実験の結果,提案手法が他の準テンプレート法よりも優れていることが示された。

関連論文リスト

• Conditional Synthesis of 3D Molecules with Time Correction Sampler [58.0834973489875]
  Time-Aware Conditional Synthesis (TACS) は拡散モデルにおける条件生成の新しい手法である。 適応的に制御されたプラグアンドプレイの"オンライン"ガイダンスを拡散モデルに統合し、サンプルを所望の特性に向けて駆動する。
  論文  参考訳（メタデータ） (2024-11-01T12:59:25Z)
• 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)
• Retrosynthesis Prediction via Search in (Hyper) Graph [5.241472125982734]
  特定の中核生成物から反応物を予測することは有機合成の基本的な課題である。 我々は,これらの制約を緩和するためにtextbfSearch textbfin (Hyper) textbfGraph (RetroSiG) フレームワークを用いた半テンプレートベースの textbfRetro synthesis を提案する。
  論文  参考訳（メタデータ） (2024-02-09T20:25:45Z)
• 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)
• Modeling Diverse Chemical Reactions for Single-step Retrosynthesis via Discrete Latent Variables [43.900173434781905]
  単段階の逆合成の目標は、1回の反応で標的生成物の合成に繋がる可能性のある反応物質を同定することである。 既存の配列に基づくレトロ合成法は、生成物から反応物へのレトロ合成を配列から配列への翻訳問題として扱う。 本稿では,条件付き変分オートエンコーダを1ステップの逆合成に組み込んだRetroDVCAEを提案する。
  論文  参考訳（メタデータ） (2022-08-10T14:50:32Z)
• GeoDiff: a Geometric Diffusion Model for Molecular Conformation Generation [102.85440102147267]
  分子配座予測のための新しい生成モデルGeoDiffを提案する。 GeoDiffは、既存の最先端のアプローチよりも優れているか、あるいは同等であることを示す。
  論文  参考訳（メタデータ） (2022-03-06T09:47:01Z)
• 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)
• 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)
• 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)

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。