Feb, 2020

基于片段的分子生成深度生成模型

PDF
TL;DR通过采用 Fragment-Based Drug Design 范例生成小分子结构语言模型并进行分子生成，大幅提高了分子的有效性和独特性，达到了基于图像的模型的最佳表现。
molecule generationdeep generative approacheslanguage modelfragment-based drug designgraph-based approaches
发现论文，激发创造
  • 基于片段的全新 2D 分子生成综述

    在计算分子生成领域，基于片段的深度生成模型是发现新化学化合物的关键任务，具有领先的方法，在 2023 年一直在分子设计基准测试中获得最新成果。我们对这些模型的架构进行了详细的比较评估，重点介绍了它们在分子分割和生成建模方面的独特方法。本综述还包括了输出质量、生成速度以及特定模型的当前限制的比较，并突出了未来研究的有希望的方向，可以将基于片段的模型与实际应用相结合。

    May, 2024

  • 深度几何处理与分子局部三维图形生成

    通过对现有的几何相关模型及其协议的全面审查，我们提出了一种新型的混合策略，通过引入深度几何处理协议来拓展设计重点，并最终开发了 FragGen - 一种具有可靠几何结构的分段式分子生成方法。FragGen 在生成几何结构质量和分子合成可达性方面具有显著的进展，其有效性通过其在设计纳摩尔级别的 II 型激酶抑制剂方面的成功应用得到进一步验证。

    Mar, 2024

  • 深度学习在分子设计中的应用 - 现状综述

    文献的主要内容是深度生成建模技术被应用于分子生成和优化，包括使用递归神经网络、自动编码器、生成对抗网络和强化学习等四种技术，并探讨了这些技术的数学基础和优缺点，内容涉及到分子表示和设计中的多个方面。

    Mar, 2019

  • 分子生成的数据有效图形语法学习

    本文提出了一种数据效率的生成模型，其核心是可学习的图形语法，能够从比常规基准小几个数量级的数据集中学习，生成高质量的分子。

    Mar, 2022

  • 药物设计的分子生成：基于图学习的视角

    综述了机器学习和图学习在分子设计和药物发现中的应用，提出将这些方法分成三类，并总结了常用的评估指标和公共数据集。最后，从药品视角探讨了未来研究的挑战和方向。

    Feb, 2022

  • 一种搜索可合成分子的模型

    本篇论文提出了一种新的分子生成模型，模拟了现实中的制备过程，可以通过选择初试反应物（从商业上可获得的分子池中选择），使用反应模型来预测它们之间的反应生成新的分子，同时可以考虑化合物的性质和合成路径的可行性，通过解决反合成问题，预测出一组可以产生目标产品的反应物。

    Jun, 2019

  • 学习使用结构基元扩展分子支架

    本文提出了一种基于图形的 MoLeR 模型，支持框架作为初始生成过程的种子，能够在没有生成历史的条件下快速训练和采样，而且在定向分子优化任务上表现优异。

    Mar, 2021

  • Lingo3DMol: 基于口袋的三维分子生成语言模型

    本文提出了一种基于口袋的三维分子生成方法，利用具有生成 3D 坐标能力的语言模型，并设计了扰动复原预训练任务，介绍了一种新的分子表示方法，并利用 CrossDocked 和 DUD-E 数据集对其进行了评估。该方法在几乎所有指标上实现了最优的表现，特别是在结合模式、药物性质、合理构型和推理速度方面。

    May, 2023

  • 生成模型提出的分子可合成性

    新型深度学习算法在提高新药发现效率方面表现出色，但其缺乏可合成性的信息，导致其合成难度大幅上升，需要新算法的开发来加以解决。

    Feb, 2020

  • MolGAN：一种小分子图隐式生成模型

    MolGAN 是一种基于图形结构数据的深度生成模型，旨在绕过化学结构的昂贵搜索程序，通过直接生成分子图来优化不同 iable 模型，结合强化学习目标，以鼓励特定化学属性的分子生产。

    May, 2018