準(zhǔn)確率達(dá)60.8%，浙大基於Transformer的化學(xué)逆合成預(yù)測(cè)模型，登Nature子刊
Aug 06, 2024 pm 07:34 PM
編輯 | KX
逆合成是藥物發(fā)現(xiàn)和有機(jī)合成中的一項(xiàng)關(guān)鍵任務(wù)，AI 越來(lái)越多地用於加快這一過(guò)程。
現(xiàn)有 AI 方法性能不盡人意，多樣性有限。在實(shí)踐中，化學(xué)反應(yīng)通常會(huì)引起局部分子變化，反應(yīng)物和產(chǎn)物之間存在很大重疊。
受此啟發(fā)，浙江大學(xué)侯廷軍團(tuán)隊(duì)提出將單步逆合成預(yù)測(cè)重新定義為分子串編輯任務(wù)，迭代細(xì)化目標(biāo)分子串以產(chǎn)生前體化合物。並提出了基於編輯的逆合成模型 EditRetro，該模型可以實(shí)現(xiàn)高品質(zhì)和多樣化的預(yù)測(cè)。
大量實(shí)驗(yàn)表明，模型在標(biāo)準(zhǔn)基準(zhǔn)數(shù)據(jù)集 USPTO-50?K 上取得了出色的性能，top-1 準(zhǔn)確率達(dá)到 60.8%。
結(jié)果表明，EditRetro 表現(xiàn)出良好的泛化能力和穩(wěn)健性，凸顯了其在 AI 驅(qū)動(dòng)的化學(xué)合成規(guī)劃領(lǐng)域的潛力。
相關(guān)研究以「Retrosynthesis prediction with an iterative string editing model」為題，於 7 月 30 日發(fā)佈在《Nature Communications》上。
論文連結(jié)：https://www.nature.com/articles/s41467-024-50617-1
分子合成路徑設(shè)計(jì)是有機(jī)合成的一項(xiàng)重要任務(wù)，對(duì)生物醫(yī)學(xué)、製藥和材料工業(yè)等各領(lǐng)域都具有重要意義。
逆合成分析是開(kāi)發(fā)合成路線最廣泛使用的方法。它包括使用已建立的反應(yīng)將分子迭代分解為更簡(jiǎn)單、更易於合成的前體。
近年來(lái)，AI 驅(qū)動(dòng)的逆合成促進(jìn)了對(duì)更複雜分子的探索，大大減少了設(shè)計(jì)合成實(shí)驗(yàn)所需的時(shí)間和精力。單步逆合成預(yù)測(cè)是逆合成規(guī)劃的重要組成部分，目前已有幾種基於深度學(xué)習(xí)的方法，且效果優(yōu)異。這些方法大致可分為三類(lèi)：基於模板的方法、無(wú)模板的方法和半基於模板的方法。
在此，研究人員專(zhuān)注於無(wú)模板逆合成預(yù)測(cè)。提出將問(wèn)題重新定義為分子字串編輯任務(wù)，並提出基於編輯的逆合成模型 EditRetro，可以實(shí)現(xiàn)高品質(zhì)和多樣化的預(yù)測(cè)。
圖示：所提出的基於分子串的逆合成的 EditRetro 方法的示意圖。 （資料來(lái)源：論文）
該研究的核心概念是，透過(guò)使用 Levenshtein 操作的迭代編輯過(guò)程來(lái)產(chǎn)生反應(yīng)物字串。該方法從基於編輯的序列生成模型的最新進(jìn)展中汲取靈感。具體來(lái)說(shuō)，採(cǎi)用了 EDITOR 中的操作，EDITOR 是一種基於編輯的 Transformer，專(zhuān)為神經(jīng)機(jī)器翻譯而設(shè)計(jì)。
EditRetro 概述
EditRetro 模型包含三種編輯操作，即序列重新定位、佔(zhàn)位符插入和標(biāo)記插入，以產(chǎn)生反應(yīng)物字串。它由一個(gè) Transformer 模型實(shí)現(xiàn)，該模型由一個(gè)編碼器和三個(gè)解碼器組成，兩者都由堆疊的 Transformer 區(qū)塊組成。
- 重新定位解碼器：重新定位操作包括基本的 token 編輯操作，例如保留、刪除和重新排序。它可以與識(shí)別反應(yīng)中心的過(guò)程進(jìn)行比較，包括重新排序和刪除原子或基團(tuán)以獲得合成子。
- 佔(zhàn)位符解碼器：佔(zhàn)位符插入策略（分類(lèi)器）預(yù)測(cè)要在相鄰 token 之間插入的佔(zhàn)位符數(shù)量。它在確定反應(yīng)物的結(jié)構(gòu)方面起著至關(guān)重要的作用，類(lèi)似於識(shí)別從序列重新定位階段獲得的中間合成子中添加原子或基團(tuán)的位置。
- Token 解碼器：token 插入策略（分類(lèi)器），負(fù)責(zé)為每個(gè)佔(zhàn)位符產(chǎn)生候選 token。這對(duì)於確定可用於合成目標(biāo)產(chǎn)品的實(shí)際反應(yīng)物至關(guān)重要。該過(guò)程可以看作是合成子完成的類(lèi)似過(guò)程，結(jié)合佔(zhàn)位符插入操作。
EditRetro 模型透過(guò)其非自迴歸解碼器提高了生成效率。儘管結(jié)合了額外的解碼器來(lái)迭代預(yù)測(cè)編輯操作，但 EditRetro 在每個(gè)解碼器內(nèi)並行執(zhí)行編輯操作（即非自回歸生成）。
當(dāng)給定一個(gè)目標(biāo)分子時(shí)，編碼器將其字串作為輸入並產(chǎn)生相應(yīng)的隱藏表示，然後將其用作解碼器交叉注意模組的輸入。類(lèi)似地，解碼器也在第一次迭代時(shí)將產(chǎn)品字串作為輸入。在每次解碼迭代期間，三個(gè)解碼器依序執(zhí)行。
優(yōu)於基線、生成準(zhǔn)確反應(yīng)物
研究人員在公共基準(zhǔn)數(shù)據(jù)集 USPTO-50K 和 USPTO-FULL 上評(píng)估了所提方法。大量實(shí)驗(yàn)結(jié)果表明，該方法在預(yù)測(cè)準(zhǔn)確度方面優(yōu)于其他基線，包括最先進(jìn)的基于序列的方法 R-SMILES 和基于圖編輯的方法 Graph2Edits。
EditRetro 在基準(zhǔn)逆合成數(shù)據(jù)集 USPTO-50K 上進(jìn)行的大量實(shí)驗(yàn)表明，EditRetro 取得了優(yōu)越的性能，top-1 精確匹配準(zhǔn)確率達(dá)到 60.8%。
此外，在更大的 USPTO-FULL 數(shù)據(jù)集上，其中 top-1 精確匹配準(zhǔn)確率達(dá)到 52.2%，證明了其在更多樣化和更具挑戰(zhàn)性的化學(xué)反應(yīng)中是有效的。
EditRetro 在 RoundTrip 和 MaxFrag 準(zhǔn)確率方面也表現(xiàn)出優(yōu)于基線方法的性能。這證明了 EditRetro 能夠有效地學(xué)習(xí)化學(xué)規(guī)則。
此外，EditRetro 通過(guò)精心設(shè)計(jì)的推理模塊提供多樣化的預(yù)測(cè)。該模塊結(jié)合了重新定位采樣和序列增強(qiáng)，有助于生成多樣化和變化的預(yù)測(cè)。重新定位采樣對(duì)重新定位動(dòng)作的預(yù)測(cè)進(jìn)行采樣，從而能夠識(shí)別不同的反應(yīng)位點(diǎn)。序列增強(qiáng)從不同的產(chǎn)品變體到反應(yīng)物生成不同的編輯途徑，從而提高了預(yù)測(cè)的準(zhǔn)確性和多樣性。這兩種策略共同作用，提高了預(yù)測(cè)的準(zhǔn)確性和多樣性。
進(jìn)一步的實(shí)驗(yàn)驗(yàn)證了 EditRetro 在一些更復(fù)雜的反應(yīng)中的優(yōu)越性，包括手性、開(kāi)環(huán)和成環(huán)反應(yīng)。結(jié)果證實(shí)了 EditRetro 在這些具有挑戰(zhàn)性的場(chǎng)景中的優(yōu)越性，證明了它能夠處理不同類(lèi)型的化學(xué)轉(zhuǎn)化。
在多步合成規(guī)劃中的實(shí)用性
特別是，EditRetro 在四個(gè)多步驟逆合成規(guī)劃場(chǎng)景中的成功應(yīng)用證明了其實(shí)用性。
為了評(píng)估 EditRetro 在合成規(guī)劃中的實(shí)用性，通過(guò)連續(xù)的逆合成預(yù)測(cè)設(shè)計(jì)完整的化學(xué)途徑。研究人員選擇了四種具有重要藥用價(jià)值的目標(biāo)化合物進(jìn)行評(píng)估：非布司他、奧希替尼、GPX4?的變構(gòu)激活劑和 DDR1 激酶抑制劑 INS015_037。
圖示：EditRetro 的多步逆合成預(yù)測(cè)。（來(lái)源：論文）
所有四個(gè)示例都產(chǎn)生了與文獻(xiàn)中報(bào)道的途徑非常一致的逆合成途徑，大多數(shù)預(yù)測(cè)排名在前兩位。在考慮的 16 個(gè)單獨(dú)步驟中，有 10 個(gè)步驟的預(yù)測(cè)準(zhǔn)確率為 1。這些結(jié)果證明了 EditRetro 在實(shí)際逆合成預(yù)測(cè)中的實(shí)際潛力。
通過(guò)提供有價(jià)值的見(jiàn)解并促進(jìn)高效合成路線的設(shè)計(jì)，該方法有望在逆合成規(guī)劃領(lǐng)域得到實(shí)際應(yīng)用。
以上是準(zhǔn)確率達(dá)60.8%，浙大基於Transformer的化學(xué)逆合成預(yù)測(cè)模型，登Nature子刊的詳細(xì)內(nèi)容。更多資訊請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！
熱AI工具
Undress AI Tool
免費(fèi)脫衣圖片
Undresser.AI Undress
人工智慧驅(qū)動(dòng)的應(yīng)用程序，用於創(chuàng)建逼真的裸體照片
AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。
Clothoff.io
AI脫衣器
Video Face Swap
使用我們完全免費(fèi)的人工智慧換臉工具，輕鬆在任何影片中換臉！
熱門(mén)文章
熱工具
記事本++7.3.1
好用且免費(fèi)的程式碼編輯器
SublimeText3漢化版
中文版，非常好用
禪工作室 13.0.1
強(qiáng)大的PHP整合開(kāi)發(fā)環(huán)境
Dreamweaver CS6
視覺(jué)化網(wǎng)頁(yè)開(kāi)發(fā)工具
SublimeText3 Mac版
神級(jí)程式碼編輯軟體(SublimeText3)
突破傳統(tǒng)缺陷檢測(cè)的界限，\'Defect Spectrum\'首次實(shí)現(xiàn)超高精度豐富語(yǔ)意的工業(yè)缺陷檢測(cè)。
Jul 26, 2024 pm 05:38 PM
在現(xiàn)代製造業(yè)中，精準(zhǔn)的缺陷檢測(cè)不僅是確保產(chǎn)品品質(zhì)的關(guān)鍵，更是提升生產(chǎn)效率的核心。然而，現(xiàn)有的缺陷檢測(cè)資料集常常缺乏實(shí)際應(yīng)用所需的精確度和語(yǔ)意豐富性，導(dǎo)致模型無(wú)法辨識(shí)特定的缺陷類(lèi)別或位置。為了解決這個(gè)難題，由香港科技大學(xué)廣州和思謀科技組成的頂尖研究團(tuán)隊(duì)，創(chuàng)新地開(kāi)發(fā)了「DefectSpectrum」資料集，為工業(yè)缺陷提供了詳盡、語(yǔ)義豐富的大規(guī)模標(biāo)註。如表一所示，相較於其他工業(yè)資料集，「DefectSpectrum」資料集提供了最多的缺陷標(biāo)註（5438張缺陷樣本），最細(xì)緻的缺陷分類(lèi)（125個(gè)缺陷類(lèi)別
英偉達(dá)對(duì)話模式ChatQA進(jìn)化到2.0版本，上下文長(zhǎng)度提到128K
Jul 26, 2024 am 08:40 AM
開(kāi)放LLM社群正是百花齊放、競(jìng)相爭(zhēng)鳴的時(shí)代，你能看到Llama-3-70B-Instruct、QWen2-72B-Instruct、Nemotron-4-340B-Instruct、Mixtral-8x22BInstruct-v0.1等許多表現(xiàn)優(yōu)良的模型。但是，相較於以GPT-4-Turbo為代表的專(zhuān)有大模型，開(kāi)放模型在許多領(lǐng)域仍有明顯差距。在通用模型之外，也有一些專(zhuān)精關(guān)鍵領(lǐng)域的開(kāi)放模型已被開(kāi)發(fā)出來(lái)，例如用於程式設(shè)計(jì)和數(shù)學(xué)的DeepSeek-Coder-V2、用於視覺(jué)-語(yǔ)言任務(wù)的InternVL
數(shù)百萬(wàn)晶體資料訓(xùn)練，解決晶體學(xué)相位問(wèn)題，深度學(xué)習(xí)方法PhAI登Science
Aug 08, 2024 pm 09:22 PM
編輯|KX時(shí)至今日，晶體學(xué)所測(cè)定的結(jié)構(gòu)細(xì)節(jié)和精度，從簡(jiǎn)單的金屬到大型膜蛋白，是任何其他方法都無(wú)法比擬的。然而，最大的挑戰(zhàn)——所謂的相位問(wèn)題，仍然是從實(shí)驗(yàn)確定的振幅中檢索相位資訊。丹麥哥本哈根大學(xué)研究人員，開(kāi)發(fā)了一種解決晶體相問(wèn)題的深度學(xué)習(xí)方法PhAI，利用數(shù)百萬(wàn)人工晶體結(jié)構(gòu)及其相應(yīng)的合成衍射數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，可以產(chǎn)生準(zhǔn)確的電子密度圖。研究表明，這種基於深度學(xué)習(xí)的從頭算結(jié)構(gòu)解決方案方法，可以以?xún)H2埃的分辨率解決相位問(wèn)題，該分辨率僅相當(dāng)於原子分辨率可用數(shù)據(jù)的10%到20%，而傳統(tǒng)的從頭算方
GoogleAI拿下IMO奧數(shù)銀牌，數(shù)學(xué)推理模型AlphaProof面世，強(qiáng)化學(xué)習(xí) is so back
Jul 26, 2024 pm 02:40 PM
對(duì)AI來(lái)說(shuō)，奧數(shù)不再是問(wèn)題了。本週四，GoogleDeepMind的人工智慧完成了一項(xiàng)壯舉：用AI做出了今年國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽IMO的真題，並且距拿金牌僅一步之遙。上週剛結(jié)束的IMO競(jìng)賽共有六道賽題，涉及代數(shù)、組合學(xué)、幾何和數(shù)論。谷歌提出的混合AI系統(tǒng)做對(duì)了四道，獲得28分，達(dá)到了銀牌水準(zhǔn)。本月初，UCLA終身教授陶哲軒剛剛宣傳了百萬(wàn)美元獎(jiǎng)金的AI數(shù)學(xué)奧林匹克競(jìng)賽（AIMO進(jìn)步獎(jiǎng)），沒(méi)想到7月還沒(méi)過(guò)，AI的做題水平就進(jìn)步到了這種水平。 IMO上同步做題，做對(duì)了最難題IMO是歷史最悠久、規(guī)模最大、最負(fù)
為大模型提供全新科學(xué)複雜問(wèn)答基準(zhǔn)與評(píng)估體系，UNSW、阿貢、芝加哥大學(xué)等多家機(jī)構(gòu)共同推出SciQAG框架
Jul 25, 2024 am 06:42 AM
編輯|ScienceAI問(wèn)答（QA）資料集在推動(dòng)自然語(yǔ)言處理（NLP）研究中發(fā)揮著至關(guān)重要的作用。高品質(zhì)QA資料集不僅可以用於微調(diào)模型，也可以有效評(píng)估大語(yǔ)言模型（LLM）的能力，尤其是針對(duì)科學(xué)知識(shí)的理解和推理能力。儘管目前已有許多科學(xué)QA數(shù)據(jù)集，涵蓋了醫(yī)學(xué)、化學(xué)、生物等領(lǐng)域，但這些數(shù)據(jù)集仍有一些不足之處。其一，資料形式較為單一，大多數(shù)為多項(xiàng)選擇題（multiple-choicequestions），它們易於進(jìn)行評(píng)估，但限制了模型的答案選擇範(fàn)圍，無(wú)法充分測(cè)試模型的科學(xué)問(wèn)題解答能力。相比之下，開(kāi)放式問(wèn)答
PRO | 為什麼基於 MoE 的大模型更值得關(guān)注？
Aug 07, 2024 pm 07:08 PM
2023年，幾乎AI的每個(gè)領(lǐng)域都在以前所未有的速度進(jìn)化，同時(shí)，AI也不斷地推動(dòng)著具身智慧、自動(dòng)駕駛等關(guān)鍵賽道的技術(shù)邊界。在多模態(tài)趨勢(shì)下，Transformer作為AI大模型主流架構(gòu)的局面是否會(huì)撼動(dòng)？為何探索基於MoE（專(zhuān)家混合）架構(gòu)的大模型成為業(yè)界新趨勢(shì)？大型視覺(jué)模型（LVM）能否成為通用視覺(jué)的新突破？ ……我們從過(guò)去的半年發(fā)布的2023年本站PRO會(huì)員通訊中，挑選了10份針對(duì)以上領(lǐng)域技術(shù)趨勢(shì)、產(chǎn)業(yè)變革進(jìn)行深入剖析的專(zhuān)題解讀，助您在新的一年裡為大展宏圖做好準(zhǔn)備。本篇解讀來(lái)自2023年Week50
準(zhǔn)確率達(dá)60.8%，浙大基於Transformer的化學(xué)逆合成預(yù)測(cè)模型，登Nature子刊
Aug 06, 2024 pm 07:34 PM
編輯|KX逆合成是藥物發(fā)現(xiàn)和有機(jī)合成中的關(guān)鍵任務(wù)，AI越來(lái)越多地用於加快這一過(guò)程?，F(xiàn)有AI方法性能不盡人意，多樣性有限。在實(shí)踐中，化學(xué)反應(yīng)通常會(huì)引起局部分子變化，反應(yīng)物和產(chǎn)物之間存在很大重疊。受此啟發(fā)，浙江大學(xué)侯廷軍團(tuán)隊(duì)提出將單步逆合成預(yù)測(cè)重新定義為分子串編輯任務(wù)，迭代細(xì)化目標(biāo)分子串以產(chǎn)生前驅(qū)化合物。並提出了基於編輯的逆合成模型EditRetro，該模型可以實(shí)現(xiàn)高品質(zhì)和多樣化的預(yù)測(cè)。大量實(shí)驗(yàn)表明，模型在標(biāo)準(zhǔn)基準(zhǔn)資料集USPTO-50?K上取得了出色的性能，top-1準(zhǔn)確率達(dá)到60.8%。
SOTA性能，廈大多模態(tài)蛋白質(zhì)-配體親和力預(yù)測(cè)AI方法，首次結(jié)合分子表面訊息
Jul 17, 2024 pm 06:37 PM
編輯|KX在藥物研發(fā)領(lǐng)域，準(zhǔn)確有效地預(yù)測(cè)蛋白質(zhì)與配體的結(jié)合親和力對(duì)於藥物篩選和優(yōu)化至關(guān)重要。然而，目前的研究並沒(méi)有考慮到分子表面訊息在蛋白質(zhì)-配體相互作用中的重要作用?；洞?，來(lái)自廈門(mén)大學(xué)的研究人員提出了一種新穎的多模態(tài)特徵提?。∕FE）框架，該框架首次結(jié)合了蛋白質(zhì)表面、3D結(jié)構(gòu)和序列的信息，並使用交叉注意機(jī)制進(jìn)行不同模態(tài)之間的特徵對(duì)齊。實(shí)驗(yàn)結(jié)果表明，該方法在預(yù)測(cè)蛋白質(zhì)-配體結(jié)合親和力方面取得了最先進(jìn)的性能。此外，消融研究證明了該框架內(nèi)蛋白質(zhì)表面資訊和多模態(tài)特徵對(duì)齊的有效性和必要性。相關(guān)研究以「S
