原子核弹性自编码器用于分子设计
Haote Li1, Yu Shee1, Brandon Allen1
1Department of Chemistry, Yale University, New Haven, CT 06520, USA.
PNAS nexus
|May 1, 2024
概括
我们开发了核心弹性自编码器 (KAE),这是分子设计的新型生成模型. 通过使用先进的损失函数,KAE改善了分子生成和重建,在结合亲和力预测方面表现优于现有的方法.
科学领域:
- 计算化学是一种计算化学.
- 人工智能的人工智能是人工智能.
- 药物发现 药物发现
背景情况:
- 生成模型对于新的分子设计至关重要.
- 像变量自编码器 (VAE) 这样的现有模型在平衡生成质量和重建精度方面存在局限性.
- 变压器架构提供了强大的序列建模功能.
研究的目的:
- 引入内核弹性自编码器 (KAE),这是一个自我监督的生成模型,用于增强分子设计.
- 与传统方法相比,评估KAE新损失函数 (m-MMD和加权重建) 的性能.
- 为了证明KAE在条件生成和预测分子结合亲缘关系方面的有效性.
主要方法:
- 基于变压器架构的内核弹性自编码器 (KAE) 的实现.
- 使用修改的最大平均差异 (m-MMD) 和加权的重建损失函数.
- 在受约束的优化任务中与条件生成集成.
- 使用AutoDock Vina和Glide分数进行验证,用于结合亲和力预测.
主要成果:
- 与VAE和使用m-MMD损失的标准MMD相比,KAE显示出显著改善的生成性能.
- 重量化重建损失使得同时有效生成和准确重建成为可能.
- 在条件生成和受约束优化方面,KAE取得了最先进的结果.
- 与训练数据候选人相比,生成的分子在对接应用中表现出更高的结合亲和力.
结论:
- KAE代表了分子设计的自我监督生成模型的重大进步.
- 新的损失函数在生成灵活性和重建保真性之间提供了独特的平衡.
- KAE显示了超越分子设计的广泛适用性,在各种生成任务中具有潜力.
