Image2InChI:自动化分子光学图像识别
Da-Zhou Li1, Xin Xu1, Jia-Heng Pan1
1College of Computer Science and Technology, Shenyang University of Chemical Technology, Shenyang 110000, China.
Journal of chemical information and modeling
|February 15, 2024
概括
这项研究介绍了Image2InChI,这是一种人工智能模型,可以将分子图像转换成机器可读的InChI格式,并具有高精度. 这一进步通过自动化从图像中识别化学结构来简化药物发现.
科学领域:
- 人工智能在药物发现中的作用
- 计算化学是一种计算化学.
- 机器学习用于化学信息学.
背景情况:
- 从分子图像中准确识别化学结构对于人工智能驱动的药物发现至关重要.
- 将分子图像高效自动转换为机器可读的格式是一个重大挑战.
研究的目的:
- 提出一个自动化的深度学习模型,Image2InChI,用于分子光学图像识别.
- 通过一个新的功能融合网络,加强图像补丁和InChI预测的集成,并关注.
主要方法:
- 使用了改进的SwinTransformer作为图像特征提取的编码器.
- 采用了带有补丁嵌入的变压器解码器用于InChI预测.
- 实施了一种新的功能融合网络,重视将图像和InChI数据结合起来.
主要成果:
- 实现了InChI预测 (InChI acc) 的99.8%准确性.
- 在摩根指纹 (94.1%),最大常见结构 (94.8%) 和最长的常见后续 (96.2%) 准确度中表现出高性能.
- 验证了模型在提高分子图像识别的准确性和效率方面的有效性.
结论:
- 图像2InChI模型显著增强了自动分子图像识别.
- 为InChI生成的光学化学结构识别提供了有价值的参考.
- 通过高效的图像到结构转换,促进AI在药物发现中的应用.
