Molecular Sets（MOSES）: A Benchmarking Platform for Molecular Generation Models，AI制药领域，分子生成必读文章

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。

2.2 分子图表示