Molecular Sets,MOSES : A Benchmarking Platform for Molecular Generation Models
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/d92c759fac8d10814e693784b2117a21.png#pic_center)
1 研究背景
深度学习模型在生物医学领域得到广泛应用,目前有很多分子生成模型,但不清楚如何对它们进行排序和比较,因此作者引入了一个称为MOSES的基准测试平台。
文章提出的平台MOSES是一个基准平台,用来标准化分子生成模型的训练过程,并对不同的模型进行比较。MOSES提供了训练集和测试集,并提供了一组用于评估生成的分子质量和多样性的指标,同时MOSES已经实现并比较了几种模型。
文章代码可在github中获得:https://github.com/molecularsets/moses
2 分子表示方法
2.1 字符表示
①SMILES:最常用,以深度一阶遍历分子图的生成树,并存储原子和边标记。SMILES还使用特殊标记来表示未被生成树覆盖的分支和边。
②DeepSMILES:是SMILES的扩展,通过改变 分支和环闭包 的语法来减少无效序列。
③SELFIES:在Chomsky type-2基础上增加了自引用函数。SELFIES通过将分支和环的信息分开保存,可以做到比较好的表现力。
④InChI:国际化学标识符,是一种更详细的字符串表示法,明确指定了化学式、原子电荷、氢和同位素。