火星:一个基于动机的自回归模型,用于回归合成预测
Jiahan Liu1,2,3, Chaochao Yan4, Yang Yu5
1College of Electronic and Information Engineering, Shenzhen University, Shenzhen 518060, Guangdong, China.
这项研究引入了一种用于逆合成预测的新型图形生成模型,提高了药物发现效率. 该模型通过添加具有化学意义的图案来增强反应物生成,优于现有方法.
科学领域:
- 计算化学计算化学
- 药用化学 医学化学
- 药物发现 药物发现 药物发现
背景情况:
- 逆合成对于药物发现至关重要,它涉及对向分子的合成途径的识别.
- 目前用于逆合成的图形生成方法面临诸如高预测复杂性或由于其反应物生成策略而导致的不良泛化等局限性.
研究的目的:
- 提出一个新的端到端的图形生成模型,用于回复合成预测.
- 通过引入一种更有效和更普遍的反应剂生成方法来解决现有方法的局限性.
主要方法:
- 开发了一种新的端到端图形生成模型,用于回复合成.
- 该模型顺序确定反应中心,生成合成声,并添加化学上有意义的图案来创建反应物.
- 在用于逆合成预测的基准数据集上对模型进行了评估.
主要成果:
- 与原子对原子生成相比,拟议的模型实现了较低的预测复杂性.
- 与添加离开组的方法相比,表现出优越的性能,显示出更好的概括性.
- 在回复合成预测方面显著优于以前的最先进模型.
结论:
- 新型图形生成模型对于预测回复合成途径是有效的.
- 添加具有化学意义的图案的方法提高了预测的准确性和效率.
- 该模型显示了作为加速药物发现过程的有价值工具的潜力.
更多相关视频
08:33Author Spotlight: An Optimized Automated Method for Investigating Retinoic Acid Receptors in Neuronal Mitochondria
Published on: July 28, 2023
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
相关概念视频
Predicting Reaction Outcomes
Predicting Molecular Geometry
Predicting Products: SN1 vs. SN2
With increased substitution on the alkyl halide,...
Mechanistic Models: Compartment Models in Individual and Population Analysis
Synthesis and Decomposition Reactions
Predicting Products: Substitution vs. Elimination
The following factors can influence the mechanisms competing against each other:
