Dec, 2020

一种基于片段修改的深度生成模型，用于分子优化

PDF
TL;DR该论文提出了一种基于分子图的深度生成模型 Modof 和其衍生模型 Modof-pipe 和 Modof-pipem，用于分子优化，并通过基准数据集表明，其表现优于现有方法。
molecule optimizationdeep generative modelmodof-pipebenchmark datasetsperformance improvement
发现论文，激发创造
  • 基于片段的分子生成深度生成模型

    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。

    Feb, 2020

  • Mol-CycleGAN - 分子优化的生成模型

    利用 Mol-CycleGAN，可以生成在结构上类似于原有分子的优化化合物，该模型在抗药物分子的罚函数 logP 优化中表现良好。

    Feb, 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

  • MoFlow：一种可逆流模型，用于生成分子图

    本研究提出了一种基于流的图生成模型 MoFlow，它具有准确和可追踪的似然训练、高效的一次嵌入和生成、化学有效性保证、对训练数据的 100% 重构以及较好的泛化能力，而且该模型在分子图生成、性质优化和受约束性质优化等四项任务中均表现最新的性能。

    Jun, 2020

  • 多目标分子优化在利用生成网络复合物治疗阿片类药物使用障碍中的应用

    本研究提出了一种深度生成模型，利用自编码器模型的潜在空间，结合基于随机微分方程的扩散建模，实现有效生成对多种目标，包括 mu、kappa 和 delta 阿片类受体有效的分子，通过整合自动编码器嵌入分子指纹、变压器嵌入和拓扑拉普拉斯与先进机器学习算法构建亲和力预测器，进一步需进行实验评估，以评估这些类药物化合物在 OUD 治疗中的药理效应，该机器学习平台可作为设计和优化针对 OUD 的有效分子的有价值工具。

    Jun, 2023

  • 两层扩散和多属性优化：一种生成具有理想特性分子的新方法

    本文介绍了一种生成具有理想属性的分子的新方法，该方法通过在分子和分子片段上执行扩散来获取混合高斯分布，并使用新颖的基于电子效应的分解方法优化多个分子属性，从而在人工智能驱动的药物设计和发现方面具有重要的应用前景。

    Oct, 2023

  • 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

  • 潜在化学空间搜索用于插件多目标分子生成

    本研究通过开发一种多功能的 “插件” 分子生成模型，结合多个目标相关性、药物相似性和可合成性，来解决多目标生成、模型适应性以及药物发现实际应用中的挑战。在药物发现的背景下，我们改进了粒子群优化算法（PSO），通过比较实验发现 PSO-ENP 是多目标分子生成和优化的最佳变体。该模型还整合了一种新颖的目标配体亲和力预测器，通过支持三维信息和改善合成可行性来提高模型的效用。实例研究聚焦于生成和优化类似药物的大型海洋天然产物，突显了 PSO-ENP 的有效性，并展示了其在实际药物发现应用中的巨大潜力。

    Apr, 2024

  • MOFDiff：金属 - 有机骨架设计的粗粒度扩散

    提出了一种基于扩散模型的 CG-MOF 结构生成方法，结合模拟生成了有效且新颖的 MOF 结构，并应用于碳捕获材料的设计。

    Oct, 2023

  • DecompOpt：基于结构的分子优化的可控分解扩散模型

    近期，3D 生成模型在基于结构的药物设计中表现出了良好的性能，但仅建模目标配体分布难以实现药物发现的一个主要目标，即设计具有所需性质（如高结合亲和力、易合成等）的新型配体。本研究中，我们提出了 DecompOpt，这是一种基于可控分解扩散模型的基于结构的分子优化方法，通过优化和条件扩散模型相结合的新一代范式，实现所需性质以及保持分子语法。实验证明，DecompOpt 比强大的全新设计基准方法更有效地生成具有改善性质的分子，并在可控生成任务中显示出巨大潜力。

    Mar, 2024