机构名称：
¥ 1.0
摘要 — 生成模型的最新进展为分子和新型候选药物的生成建立了最先进的基准。尽管取得了这些成功，但生成模型与大量生物医学知识的利用之间仍然存在巨大差距，这些知识通常在知识图谱中系统化，其为生成过程提供信息和增强的潜力尚未实现。在本文中，我们提出了一种新方法，通过开发一个名为 KARL 的知识增强生成模型框架来弥合这一鸿沟。我们开发了一种可扩展的方法来扩展知识图谱的功能，同时保持语义完整性，并将这些上下文信息合并到生成框架中以指导基于扩散的模型。知识图谱嵌入与我们的生成模型的集成提供了一种强大的机制，可以生成具有特定特征的新型候选药物，同时确保有效性和可合成性。KARL 在无条件和有针对性的生成任务上都优于最先进的生成模型。
利用知识增强生成模型改进分子生成和药物发现
主要关键词
相关文件推荐
