学习使用结构基元扩展分子支架

ICLRMar, 2021

Learning to Extend Molecular Scaffolds with Structural Motifs

Krzysztof Maziarz, Henry Jackson-Flux, Pashmina Cameron, Finton Sirockin, Nadine Schneider...

TL;DR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。

Abstract

Recent advancements in deep learning-based modeling of molecules promise to accelerate in silico drug discovery. A plethora of

deep learning molecules drug discovery generative models moler

发现论文，激发创造

基于支架的分子设计使用图生成模型

本研究提出了一种基于 scaffold 的分子生成模型，通过顺序添加顶点和边来生成分子图，可以在保证给定 scaffold 的同时控制生成分子的多种性质。

May, 2019

支架限制分子生成

本文简介使用基于神经网络的生成模型，引入了一种新算法，进行有支架限制的分子设计，在不同任务下展示了该方法的能力，如从 SureChEMBL 化学系列中提取支架设计新分子等。

Sep, 2020

DeepScaffold：基于脂质体的深度学习药物设计工具

该研究提出了基于支架的分子生成模型，应用于药物发现中，能够生成具有良好药理特性的药品候选物，并通过分子对接结果验证了该方法的可行性和准确性。

Aug, 2019

蛋白质主干在三维中的概率扩散建模：用于基序支架问题

利用 E (3)- 等变图神经网络学习分布并通过 SMCDiff 有效地从大量的蛋白质背骨结构中对指定基序进行条件采样构造支架结构，可在保证结构多样性的情况下采样长达 80 个氨基酸残基长度的支架，同时对于固定的基序可获得多样性的构架结构。

Jun, 2022

通过强化学习进行基于蛋白质靶点特异性支架抑制剂的设计

本文提出了一种新颖的框架，名为 3D-MolGNN$_{RL}$，结合了强化学习和基于 3D 骨架的深层生成模型，在优化多个特征的同时，通过并行图神经网络模型自动构建具有特定蛋白质活性的靶向分子，以使药物研发中的分子设计更快更高效。

May, 2022

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

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

深度强化学习的分子全新设计

本文介绍了一种基于序列的生成模型来设计分子的方法，通过增强情节似然性可以学习生成具有某些指定的理想特性的结构。将模型应用于生成类似物质结构，生成与药物 Celecoxib 类似的分子以及具有活性的化合物。最后，将模型调整为生成预测对多巴胺受体 2 具有活性的化合物，得到了 95% 以上的预测为活性的结构，其中包括实验证实的活性化合物。

Apr, 2017

使用结构模式层次生成分子图

本研究提出了一个新的分层图编解码器，采用更大、更灵活的图案作为基本组成部分，能够有效地处理分子生成任务，包括聚合物，其性能明显优于现有技术。

Feb, 2020

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