論文の概要: SynFlowNet: Design of Diverse and Novel Molecules with Synthesis Constraints

• arxiv url: http://arxiv.org/abs/2405.01155v2
• Date: Wed, 16 Oct 2024 22:17:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-18 13:15:49.211574
• Title: SynFlowNet: Design of Diverse and Novel Molecules with Synthesis Constraints
• Title（参考訳）: SynFlowNet: 合成制約付き多元・新分子の設計
• Authors: Miruna Cretu, Charles Harris, Ilia Igashov, Arne Schneuing, Marwin Segler, Bruno Correia, Julien Roy, Emmanuel Bengio, Pietro Liò,
• Abstract要約: 反応空間が化学反応と購入可能な反応剤を用いて新しい分子を逐次構築するGFlowNetモデルであるSynFlowNetを紹介する。 生成機構の明示的な制約としてフォワード合成を取り入れることで、シリコン分子生成と実世界の合成能力のギャップを埋めることを目指す。
• 参考スコア（独自算出の注目度）: 16.21161274235011
• License:
• Abstract: Generative models see increasing use in computer-aided drug design. However, while performing well at capturing distributions of molecular motifs, they often produce synthetically inaccessible molecules. To address this, we introduce SynFlowNet, a GFlowNet model whose action space uses chemical reactions and buyable reactants to sequentially build new molecules. By incorporating forward synthesis as an explicit constraint of the generative mechanism, we aim at bridging the gap between in silico molecular generation and real world synthesis capabilities. We evaluate our approach using synthetic accessibility scores and an independent retrosynthesis tool to assess the synthesizability of our compounds, and motivate the choice of GFlowNets through considerable improvement in sample diversity compared to baselines. Additionally, we identify challenges with reaction encodings that can complicate traversal of the MDP in the backward direction. To address this, we introduce various strategies for learning the GFlowNet backward policy and thus demonstrate how additional constraints can be integrated into the GFlowNet MDP framework. This approach enables our model to successfully identify synthesis pathways for previously unseen molecules.
• Abstract（参考訳）: 生成モデルは、コンピュータ支援のドラッグデザインでの使用が増加する。 しかし、分子モチーフの分布をうまく捉えながら、合成不能な分子をしばしば生成する。 これを解決するために,反応空間が化学反応と購入可能な反応剤を用いて新しい分子を逐次構築するGFlowNetモデルであるSynFlowNetを紹介する。 生成機構の明示的な制約としてフォワード合成を取り入れることで、シリコン分子生成と実世界の合成能力のギャップを埋めることを目指す。 我々は, 合成アクセシビリティスコアと独立レトロシンセシスツールを用いて, 化合物の合成性を評価するとともに, 試料の多様性をベースラインと比較することにより, GFlowNetsの選択を動機付ける。 さらに, 後方方向のMDPの進行を複雑化する反応符号化の課題も明らかにした。 そこで本研究では,GFlowNetの後方ポリシを学習するためのさまざまな戦略を導入し,GFlowNet MDPフレームワークに新たな制約を組み込む方法について実証する。 このアプローチにより,これまでに見つからなかった分子の合成経路の同定に成功している。

関連論文リスト

• It Takes Two to Tango: Directly Optimizing for Constrained Synthesizability in Generative Molecular Design [0.4037357056611557]
  制約された合成性は、生成分子設計における未適応の課題である。 TANImoto Group Overlap (TANGO) と呼ばれる新しい報酬関数を提案する。 TANGOは、スパース報酬関数を、強化学習に不可欠な、密集した学習可能な報酬関数に変換する。
  論文  参考訳（メタデータ） (2024-10-15T11:59:51Z)
• Generative Flows on Synthetic Pathway for Drug Design [39.69010664056235]
  分子構築ブロックと化学反応テンプレートを用いて分子を逐次組み立てるRxnFlowを提案する。 RxnFlowは、平均8.85kcal/molのVinaスコアと34.8%の合成性を備えたCrossDocked 2020のポケットコンディション生成における最先端のパフォーマンスを達成している。
  論文  参考訳（メタデータ） (2024-10-06T16:34:01Z)
• Generative Artificial Intelligence for Navigating Synthesizable Chemical Space [25.65907958071386]
  合成可能な化学空間を効率的に探索・ナビゲートするための生成モデリングフレームワークであるSynFormerを紹介する。 拡張性のあるトランスフォーマーアーキテクチャとブロック選択のための拡散モジュールを組み込むことで、SynFormerは合成可能な分子設計において既存のモデルを超えている。
  論文  参考訳（メタデータ） (2024-10-04T15:09:05Z)
• BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
  BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。 我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。 この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
  論文  参考訳（メタデータ） (2024-08-19T05:17:40Z)
• RGFN: Synthesizable Molecular Generation Using GFlowNets [51.33672611338754]
  本稿では,化学反応の空間内で直接動作するGFlowNetフレームワークの拡張であるReaction-GFlowNetを提案する。 RGFNは、生成した候補の同等の品質を維持しながら、アウト・オブ・ボックスの合成を可能にする。 提案手法の有効性を,事前訓練されたプロキシモデルやGPUアクセラレーションドッキングなど,さまざまなオラクルモデルに適用した。
  論文  参考訳（メタデータ） (2024-06-01T13:11:11Z)
• Retrieval-based Controllable Molecule Generation [63.44583084888342]
  制御可能な分子生成のための検索に基づく新しいフレームワークを提案する。 我々は、与えられた設計基準を満たす分子の合成に向けて、事前学習された生成モデルを操るために、分子の小さなセットを使用します。 提案手法は生成モデルの選択に非依存であり,タスク固有の微調整は不要である。
  論文  参考訳（メタデータ） (2022-08-23T17:01:16Z)
• Amortized Tree Generation for Bottom-up Synthesis Planning and Synthesizable Molecular Design [2.17167311150369]
  ターゲット分子の埋め込みを条件としたマルコフ決定過程として,合成経路を生成するための償却アプローチを報告した。 提案手法により,最適化された条件付き符号からデコードすることで,ボトムアップ方式で合成計画を実行し,合成可能な分子を設計することができる。
  論文  参考訳（メタデータ） (2021-10-12T22:43:25Z)
• 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 To Navigate The Synthetically Accessible Chemical Space Using Reinforcement Learning [75.95376096628135]
  ド・ノボ薬物設計のための強化学習(RL)を利用した新しい前方合成フレームワークを提案する。 このセットアップでは、エージェントは巨大な合成可能な化学空間をナビゲートする。 本研究は,合成可能な化学空間を根本的に拡張する上で,エンド・ツー・エンド・トレーニングが重要なパラダイムであることを示す。
  論文  参考訳（メタデータ） (2020-04-26T21:40:03Z)
• 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。