Application of Generative Autoencoder in De Novo Molecular Design.
Application of Generative Autoencoder in De Novo Molecular Design.
复制标题
DOI：
10.1002/minf.201700123
复制
发表时间：
2018-01
影响因子：
3.6
通讯作者：
Chen H
中科院分区：
文献类型：
--
作者：
Blaschke T;Olivecrona M;Engkvist O;Bajorath J;Chen H
计算化学中的一个主要挑战是产生具有理想的药理和物理化学性质的新型分子结构。在这项工作中，我们研究了自动编码器的潜在用途，这是一种深度学习方法，用于从头开始的分子设计。不同的生成性自动编码器被用来将分子结构映射到连续的潜在空间，反之亦然，并评估了它们作为结构生成器的性能。我们的结果表明，潜在空间保持了化学相似原理，因此可以用来生成相似结构。此外，系统地搜索由自动编码器产生的潜在空间以产生具有预测抗多巴胺受体 2活性的新化合物，并鉴定出与未包括在训练集中的已知活性化合物类似的化合物。
A major challenge in computational chemistry is the generation of novel molecular structures with desirable pharmacological and physiochemical properties. In this work, we investigate the potential use of autoencoder, a deep learning methodology, for de novo molecular design. Various generative autoencoders were used to map molecule structures into a continuous latent space and vice versa and their performance as structure generator was assessed. Our results show that the latent space preserves chemical similarity principle and thus can be used for the generation of analogue structures. Furthermore, the latent space created by autoencoders were searched systematically to generate novel compounds with predicted activity against dopamine receptor type 2 and compounds similar to known active compounds not included in the trainings set were identified.
登录
查看更多内容
影响因子：
3.2
作者：
Abdi, Herve;Williams, Lynne J.
通讯作者：
Williams, Lynne J.
影响因子：
21.8
作者：
通讯作者：
--
DOI：
10.1021/ci034047q
发表时间：
2003-07-01
期刊：
JOURNAL OF CHEMICAL INFORMATION AND COMPUTER SCIENCES
影响因子：
--
作者：
Douali, L;Villemin, D;Cherqaoui, D
通讯作者：
Cherqaoui, D
影响因子：
5.6
作者：
Miyao, Tomoyuki;Kaneko, Hiromasa;Funatsu, Kimito
通讯作者：
Funatsu, Kimito
影响因子：
8.6
作者：
Sun J;Jeliazkova N;Chupakin V;Golib-Dzib JF;Engkvist O;Carlsson L;Wegner J;Ceulemans H;Georgiev I;Jeliazkov V;Kochev N;Ashby TJ;Chen H
通讯作者：
Chen H