机构名称：
¥ 2.0
设计小分子治疗是一个具有挑战性的多参数优化问题。必须共同优化效力，选择性，生物利用度和安全性，以提供有效的临床候选者。我们提出了Coati-LDM，这是潜在扩散模型在有条件地生成特性优化的，类似药物样的小分子的新颖应用中。潜在的分子编码的扩散产生，而不是直接扩散的分子结构，提供了一种吸引人的方式来处理分子特性常见的小且错配的数据集。我们基于针对预训练的自回归变压器和遗传算法的各种扩散引导方案和采样方法，以评估对效力，专家偏好和各种物理化学特性的控制。我们表明，条件扩散允许控制生成分子的性能，具有实用和性能优势，而不是竞争方法。我们还应用了最近引入的粒子引导概念来增强样品多样性。我们前瞻性地调查了一组药物学家，并确定我们可以通过学习的偏好评分有条件地产生与其偏好相一致的分子。最后，我们提出了一种从种子分子开始的分子特性局部优化的部分扩散方法。使用潜在扩散模型在分子编码上的有条件生成小分子，为先前分子产生方案提供了一种高度实用且灵活的替代方案。
有条件生成分子的潜扩散
主要关键词
相关文件推荐
