Apr, 2024

借助 GFlowNets 实现 DNA 编码库生成

PDF
TL;DRDNA-encoded libraries (DELs) are evaluated for protein-protein interaction (PPI) biased DEL design, using machine learning algorithms as rewards for the proposed GFlowNet-based generative approach, and investigating the use of structural information for hierarchical action space design. GFlowNets show promise for generating diverse combinatorial library candidates.
发现论文，激发创造
  • DNA 编码文库上的部分产物感知机器学习

    研究表明，机器学习化学属性预测方法依赖于一个假设，即感兴趣的属性与一个单独的化学结构相关联。本文中，我们应用反应收率数据枚举与给定 DNA 标签相对应的可能分子集，通过在这个更丰富的数据集上训练一个自定义的 GNN 模型，证明了它相比原来的模型提高了准确度和泛化性能。

    May, 2022

  • 利用 GFlowNets 进行生物序列设计

    本文提出一种利用表观不确定性评估和最近提出的 GFlowNets 作为生成器的主动学习算法，旨在在每一轮后获得一批有用且信息量大的候选解，并在此基础上设计了新的生物序列设计任务模型，并对其进行了实验验证，在多个任务上取得了良好的效果。

    Mar, 2022

  • 基于几何信息的 GFlowNets 用于结构化药物设计

    利用生成流网络（GFlowNets）有效地探索药物样分子的组合空间，改进了 GFlowNet 框架，以增强生成特定蛋白质口袋的分子的能力，并通过使用 CrossDocked2020 数据集的实验证明了生成分子与蛋白质口袋之间的结合亲和力的提高，提出了进一步增加蛋白质 - 配体相互作用几何信息的未来研究方向。

    Jun, 2024

  • 可合成化分子生成的 GFlowNets

    通过在化学反应空间中操作，将生成模型扩展到小分子发现中，从而增加了搜索空间的大小，并保持候选分子生成的可合成性，同时对于预训练代理模型和 GPU 加速对接等多个 Oracle 模型都具有良好的表现。

    Jun, 2024

  • 双生成流网络

    深度学习在药物发现中是一种有效的工具，具有在预测模型和生成模型中的潜在应用。本文介绍了双生成流网络（double GFlowNets，DGFNs），这是一种能够生成多样化候选物分子的方法。通过引入强化学习和双深度 Q 学习的概念，我们在采样轨迹时使用了目标网络，并利用这些采样轨迹更新主网络。实证结果表明，DGFNs 有效地增强了在稀疏奖励领域和高维状态空间中的探索能力，这是药物发现中崭新设计的具有挑战性的方面。

    Oct, 2023

  • 使用具有不确定性感知的概率损失函数对 DNA 编码库计数数据进行机器学习

    本研究中使用回归方法和 Poisson 统计学建模 DEL 数据，计算药物的定量结构 - 活性关系并可视化学习的结果。

    Aug, 2021

  • SynFlowNet: 朝着具备保证的合成途径的分子设计

    基于生成模型的分子生成模型在药物发现方面取得了突破。通过使用具有化学验证的反应和反应物的动作空间，SynFlowNet 模型能够构建具有合成可行性的新分子，并且在多样性和高效性方面表现出色。

    May, 2024

  • 目标条件 GFlowNets 用于可控多目标分子设计

    本研究采用目标导向的分子生成算法探究多目标优化问题中 Pareto 前沿的整体性，并提出一种去除标量化策略的条件化模型用于均匀探索整个 Pareto 前沿。

    Jun, 2023

  • 让流动告诉我们答案：使用 GFlowNets 解决图形组合优化问题

    本文提出了利用 GFlowNets 与 Markov 决策过程相结合的方法，通过训练条件 GFlowNets 来采样解空间，并通过各种合成数据和真实数据模拟多种不同的组合问题。通过大量实验证明，GFlowNet 策略可以高效地找到高质量解。

    May, 2023

  • 基于能量的 GFlowNets 一致性训练用于建模离散联合分布

    本研究基于联合能量模型，提出了一个名为 JEBGFNs 的模型，用于生成多个变量的离散对象。通过对抗性奖励，结合 GFlowNet 模型训练参数，此模型在生成抗菌肽方面的性能得到了显著改善，并在发现抗菌肽的主动学习设置中得到了评估。

    Nov, 2022