快速且可扩展的逆合成规划与变压器神经网络及投机性束搜索.pdfVIP

快速且可扩展的逆合成规划与变压器神经网络及投机性束

搜索

154

MikhailAndronov,NataliaAndronova,JürgenSchmidhuber,

1,32

MichaelWand,Djork-ArnéClevert

1SUPSI,IDSIA,Lugano,Switzerland.

2MachineLearningResearch,PfizerResearchandDevelopment,Berlin,Germany.

3InstituteforDigitalTechnologiesforPersonalizedHealthcare,SUPSI,Lugano,Switzerland.

4CenterforGenerativeAI,KAUST,Thuwal,SaudiArabia.

5Independentresearcher.

本

译*Correspondingauthor(s).E-mail(s):mikhail.andronov@idsia.ch;

中Theseauthorscontributedequallytothiswork.

1

v摘要

9基于AI的计算机辅助合成规划（CASP）系统作为AI驱动药物发现工作流程的一部分而备受需求。然

5而，这类CASP系统的高延迟限制了其在从头药物设计中进行高通量可合成性筛选的实用性。我们提出

4

1了一种加速依赖于SMILES-to-SMILES转换器作为单步逆向合成模型的多步合成规划系统的方法。我

0们的方法通过结合一种称为Medusa的可扩展草稿策略的推测光束搜索，减少了在AiZynthFinder中驱

.动多步合成规划的SMILES-to-SMILES转换器的延迟。用我们的方法替换标准光束搜索允许CASP系

8统在几秒钟的时间约束下解决26%到86%更多的分子。我们的方法使基于AI的CASP系统更接近满足

0高通量可合成性筛选的严格延迟要求，并改善了普通用户体验。

5

2

:

v

i

x1介绍过广泛的筛选，其中一部分是可合成性的筛选。

r

a可合成性，即从给定分子到可用构建块的有效

现代制药业正大力依赖人工智能（AI）技合成路线的存在，可能取决于诸如路线长度、产

术，以减少新药开发的巨大时间和金钱成本率、成本、可用构建块库存、允许反应类型的

[28]。迄今为止，AI工具在药物发现的临床前指南等因素[23]。尽管存在基于分子复杂性评分

阶段最具影响力，已成为传统设计-制造-测试-[7]或分子结构分类[10,16]的可合成性评估方

分析（DMTA）周期的一个重要组成部分。为法，但评估分子可合成性的最精确和灵活的方

从头开始药物设计提供的众多解决方案已经在式是使用计算机辅助合成规划（CASP）系统构

DMTA周期的第一阶段提供了任意数量的人工建其完整的逆合成树。

智能生成的分子结构，已经帮助识别潜在的药