[JCIM | 论文简读] 使用强化学习和基于图的深度生成模型进行从头合成药物设计
2023-02-18 16:47:57 时间
简读分享 | 王宇哲 编辑 | 乔剑博
论文题目
De Novo Drug Design Using Reinforcement Learning with Graph-Based Deep Generative
论文摘要
机器学习采用深度生成模型为探索化学空间提供了有效的计算工具。在这里,本文提出了一种新的强化学习方案,对基于图的深度生成模型微调来解决分子设计任务。本文展示了计算框架如何成功地引导预训练的生成模型生成具有特定属性的分子,即使这样的分子不存在于训练集中,也不太可能由仅预训练的模型生成。本文探索了以下任务:生成大小增大/减小的分子,增加药物相似度,增加生物活性。通过提出的方法,本文实现了一个可以生成多种化合物的模型,其中95%的样本分子具有预测的DRD2活性,在这一指标上优于先前报道的方法。
论文链接
https://pubs.acs.org/doi/10.1021/acs.jcim.2c00838
相关文章
- LeetCode 212. 单词搜索 II -- 字典树+dfs
- 智能催收系统中自然语言理解模块设计
- 【网页设计】期末大作业:化妆品主题——绿色大气的html5响应式化妆品护肤品肌肤网页设计(11页)
- sed学习与实践1:sed基本指令
- selenium 自动化测试
- 【canvas教程】实现画布拖动、定点缩放,支持手势与鼠标滚轮操作
- 13.2 GAS与属性
- 论文阅读笔记《Deep Learning of Graph Matching》
- C语言学习之路(基础篇)—— 数组和字符串 02
- 人工智能2021年10大应用
- JUC-原子操作类之18罗汉增强
- 浅析量化交易程序化的优势
- 1. 微服务之Eureka服务注册发现
- 自动化测试 | 测试老鸟总结,你们项目自动化测试实施成功与否的因素
- Java教程
- Java快速入门
- Java简介
- 安装JDK
- 第一个Java程序
- Java代码助手