論文の概要: DeepRetro: Retrosynthetic Pathway Discovery using Iterative LLM Reasoning

• arxiv url: http://arxiv.org/abs/2507.07060v1
• Date: Mon, 07 Jul 2025 19:41:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.704995
• Title: DeepRetro: Retrosynthetic Pathway Discovery using Iterative LLM Reasoning
• Title（参考訳）: DeepRetro: Retrosynthetic Pathway Discovery using Iterative LLM Reasoning
• Authors: Shreyas Vinaya Sathyanarayana, Rahil Shah, Sharanabasava D. Hiremath, Rishikesh Panda, Rahul Jana, Riya Singh, Rida Irfan, Ashwin Murali, Bharath Ramsundar,
• Abstract要約: DeepRetroはオープンソースの反復型ハイブリッドLLMベースのレトロシンセティックフレームワークである。 提案手法は,従来のテンプレートベース/モンテカルロ木探索ツールの強みを,ステップワイドなフィードバック駆動ループでLLMの生成能力と統合する。 このアプローチは、複雑な天然物化合物のための新しい経路をうまく生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retrosynthesis, the identification of precursor molecules for a target compound, is pivotal for synthesizing complex molecules, but faces challenges in discovering novel pathways beyond predefined templates. Recent large language model (LLM) approaches to retrosynthesis have shown promise but effectively harnessing LLM reasoning capabilities for effective multi-step planning remains an open question. To address this challenge, we introduce DeepRetro, an open-source, iterative, hybrid LLM-based retrosynthetic framework. Our approach integrates the strengths of conventional template-based/Monte Carlo tree search tools with the generative power of LLMs in a step-wise, feedback-driven loop. Initially, synthesis planning is attempted with a template-based engine. If this fails, the LLM subsequently proposes single-step retrosynthetic disconnections. Crucially, these suggestions undergo rigorous validity, stability, and hallucination checks before the resulting precursors are recursively fed back into the pipeline for further evaluation. This iterative refinement allows for dynamic pathway exploration and correction. We demonstrate the potential of this pipeline through benchmark evaluations and case studies, showcasing its ability to identify viable and potentially novel retrosynthetic routes. In particular, we develop an interactive graphical user interface that allows expert human chemists to provide human-in-the-loop feedback to the reasoning algorithm. This approach successfully generates novel pathways for complex natural product compounds, demonstrating the potential for iterative LLM reasoning to advance state-of-art in complex chemical syntheses.
• Abstract（参考訳）: 標的化合物の前駆体分子の同定である再合成は、複雑な分子の合成において重要な役割を担っているが、予め定義されたテンプレートを超える新しい経路を発見する上での課題に直面している。 近年の大規模言語モデル (LLM) によるレトロシンセシスへのアプローチは有望であるが, 効果的な多段階計画のためのLLM推論能力を効果的に活用することは, 未解決の問題である。 この課題に対処するために、オープンソースの反復型ハイブリッドLLMベースのレトロシンセティックフレームワークであるDeepRetroを紹介します。 提案手法は,従来のテンプレートベース/モンテカルロ木探索ツールの強みを,ステップワイドなフィードバック駆動ループでLLMの生成能力と統合する。 当初、合成計画はテンプレートベースのエンジンで試みられる。 これが失敗した場合、LSMはその後、単一ステップの逆合成切断を提案する。 重要なことに、これらの提案は、結果の前駆体がパイプラインに再帰的に送り返される前に、厳密な妥当性、安定性、幻覚検査を行う。 この反復的な改良は動的経路探索と修正を可能にする。 このパイプラインの可能性を,ベンチマーク評価やケーススタディを通じて実証し,有効かつ新しい再合成経路を同定する能力を示す。 特に、専門家の化学者が推論アルゴリズムにフィードバックを提供することのできる、インタラクティブなグラフィカルユーザインタフェースを開発する。 このアプローチは、複雑な天然物化合物の新規な経路の生成に成功し、複雑な化学合成の最先端を推し進める反復LDM推論の可能性を示した。

関連論文リスト

• ChemActor: Enhancing Automated Extraction of Chemical Synthesis Actions with LLM-Generated Data [53.78763789036172]
  ケミカルエグゼキュータとして完全微調整された大規模言語モデル(LLM)であるChemActorを紹介し,非構造化実験手順と構造化動作シーケンスを変換する。 このフレームワークは、分散分散に基づくデータ選択モジュールと汎用LLMを統合し、単一の分子入力からマシン実行可能なアクションを生成する。 反応記述(R2D)と記述記述処理(D2A)のタスクの実験により、ChemActorは最先端のパフォーマンスを達成し、ベースラインモデルよりも10%高い性能を示した。
  論文  参考訳（メタデータ） (2025-06-30T05:11:19Z)
• LLM-Augmented Chemical Synthesis and Design Decision Programs [18.41721617026997]
  反応経路を符号化する効率的な手法を導入し,新しい経路レベルの探索戦略を提案する。 我々は,LLMを付加したアプローチがレトロシンセプション計画に優れており,より広範な分子設計の課題に自然に及んでいることを示す。
  論文  参考訳（メタデータ） (2025-05-11T15:43:00Z)
• Automated Retrosynthesis Planning of Macromolecules Using Large Language Models and Knowledge Graphs [11.191853171170516]
  大規模言語モデル(LLM)と知識グラフを統合するエージェントシステムを提案する。 本システムは,関係する文献の検索,反応データの抽出,データベースクエリ,逆合成経路木の構築を完全自動化する。 この研究は、LLMを動力とするマクロ分子に特化して、完全に自動化された再合成計画薬を開発する最初の試みである。
  論文  参考訳（メタデータ） (2025-01-15T16:06:10Z)
• 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)
• 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)
• 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)
• Retrosynthetic Planning with Experience-Guided Monte Carlo Tree Search [10.67810457039541]
  逆合成計画では、複雑な分子を合成する膨大な数の経路が、可能性の爆発に繋がる。 現在のアプローチは、化学的知識が限られている人や機械で訓練されたスコア関数に依存している。 検索中に合成経験から知識を学ぶための体験指導ネットワークを構築した。
  論文  参考訳（メタデータ） (2021-12-11T17:14:15Z)
• 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)

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。