[Chemical Science | 论文简读] 使用基于Transformer的模型和超图探索策略预测逆合成路径

作者 | 王豫 编辑 | 龙文韬

论文题目

Predicting retrosynthetic pathways using Transformer-based models and a hyper-graph exploration strategy

论文摘要

作者提出了分子Transformer模型的扩展，结合超图探索策略，在没有人为干预的情况下自动进行逆合成路线规划。单步反合成模型为预测每个反合成步骤的反应物以及试剂、溶剂和催化剂设置了新的技术评估。作者引入了四个指标(覆盖率、类多样性、往返精度和Jensen-Shannon发散)来评估单步逆合成模型，使用正向预测和反应分类模型始终基于Transformer架构。该超图是动态构建的，节点根据类似贝叶斯的概率进行过滤和进一步扩展。作者对端到端框架进行了评估，使用了文献和学术考试中的几个逆向综合例子。总体而言，该框架具有出色的性能，与训练数据相关的缺点很少。引入指标的使用为通过只关注单步模型的性能来优化整个反向合成框架提供了可能性。

论文链接

https://pubs.rsc.org/en/content/articlelanding/2020/sc/c9sc05704h