学术速运|浙大侯廷军课题组-通过约束体系结构进行少标签的分子生成

浙大侯廷军课题组分子生成新工作

题目：Molecular Generation with Reduced Labeling through Constraint Architecture

文献来源:https://doi.org/10.1021/acs.jcim.3c00579 （JCIM）

代码：https://github.com/jkwang93/Frag-G_M

简介：在过去的几年中，许多基于机器学习（ML）的分子生成模型被提出来生成具有理想性质的分子，但它们都需要大量的药理和物理化学性质的标签数据。然而，这些标签的实验测定，特别是生物活性标签，是非常昂贵的。在本研究中，作者分析了各种多性质分子生成模型对生物活性标签数据的依赖性，并提出了Frag-G/M，这是一种基于条件Transformer、递归神经网络（RNNs）和强化学习（RL）的基于片段的多约束分子生成框架。实验结果表明，使用相同数量的标签，Frag-G/M可以产生比基线更多的期望分子（比基线的几倍）。此外，与已知的活性化合物相比，Frag-G/M生成的分子比基线生成的分子具有更高的支架多样性，从而使其更有希望用于现实世界的药物发现场景。

主要内容：

-------------------------------------------

欢迎点赞收藏转发！

下次见！