加载失败,
准确率达60.8%,浙大基于Transformer的化学逆合成预测模型,登Nature子刊
准确率达60.8%,浙大基于Transformer的化学逆合成预测模型,登Nature子刊
2024年8月12日修改
附件不支持打印
加载失败,
编辑 | KX
逆合成是 药物发现 和有机合成中的一项关键任务,AI 越来越多地用于加快这一过程。
现有 AI 方法性能不尽人意,多样性有限。在实践中,化学反应通常会引起局部分子变化,反应物和产物之间存在很大重叠。
受此启发,浙江大学侯廷军团队提出将单步逆合成预测重新定义为分子串编辑任务,迭代细化目标分子串以生成前体化合物。并提出了基于编辑的逆合成模型 EditRetro,该模型可以实现高质量和多样化的预测。
大量实验表明,模型在标准 基准 数据集 USPTO-50 K 上取得了出色的性能,top-1 准确率 达到 60.8%。
结果表明,EditRetro 表现出良好的泛化能力和稳健性,凸显了其在 AI 驱动的化学合成 规划 领域的潜力。
相关研究以「 Retrosynthesis prediction with an iterative string editing model 」为题,于 7 月 30 日发布在《 Nature Communications 》上。
附件不支持打印
加载失败,