分子空间的生成模型：MOLUCINATE
摘要：机器学习的最新进展使得生成模型可以进行药物候选物的优化和全新的生成，以满足特定的属性要求。以往的生成模型主要集中在生成SMILES字符串或2D分子图，而在生成3D分子方面，主要集中在强化学习（RL）、距离矩阵和纯原子密度网格方面。本文提出了一种新颖的架构MOLUCINATE（分子卷积生成模型），它可以同时生成拓扑结构和3D原子位置信息。我们通过使用该方法对分子进行半径的优化来证明其实用性。在未来，该模型可以用于更有意义的优化，例如蛋白质靶标的结合亲和力。
作者：Michael Arcidiacono and David Ryan Koes
论文ID：2109.15308
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2021-11-25