Chemical language models enable navigation in sparsely populated chemical space

生成模型 化学空间 人工智能 生成语法 计算机科学 水准点(测量) 机器学习 领域(数学) 质量(理念) 深度学习 人工神经网络 空格(标点符号) 药物发现 生物信息学 生物 数学 地理 认识论 纯数学 哲学 操作系统 大地测量学
作者
Michael A. Skinnider,R. Greg Stacey,David S. Wishart,Leonard J. Foster
出处
期刊:Nature Machine Intelligence [Springer Nature]
卷期号:3 (9): 759-770 被引量:90
标识
DOI:10.1038/s42256-021-00368-1
摘要

Deep generative models are powerful tools for the exploration of chemical space, enabling the on-demand generation of molecules with desired physical, chemical or biological properties. However, these models are typically thought to require training datasets comprising hundreds of thousands, or even millions, of molecules. This perception limits the application of deep generative models in regions of chemical space populated by a relatively small number of examples. Here, we systematically evaluate and optimize generative models of molecules based on recurrent neural networks in low-data settings. We find that robust models can be learned from far fewer examples than has been widely assumed. We identify strategies that further reduce the number of molecules required to learn a model of equivalent quality, notably including data augmentation by non-canonical SMILES enumeration, and demonstrate the application of these principles by learning models of bacterial, plant and fungal metabolomes. The structure of our experiments also allows us to benchmark the metrics used to evaluate generative models themselves. We find that many of the most widely used metrics in the field fail to capture model quality, but we identify a subset of well-behaved metrics that provide a sound basis for model development. Collectively, our work provides a foundation for directly learning generative models in sparsely populated regions of chemical space. Deep learning-based methods to generate new molecules can require huge amounts of data to train. Skinnider et al. show that models developed for natural language processing work well for generating molecules from small amounts of training data, and identify robust metrics to evaluate the quality of generated molecules.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
今后应助梁卓贤采纳,获得30
刚刚
wuwa完成签到,获得积分10
1秒前
诚心的焱完成签到,获得积分10
1秒前
无尘发布了新的文献求助10
1秒前
OOOorange发布了新的文献求助10
1秒前
清风完成签到,获得积分10
1秒前
阿藏完成签到,获得积分10
1秒前
林木完成签到,获得积分20
2秒前
xliiii完成签到,获得积分10
2秒前
2秒前
2秒前
妮扣胖饥发布了新的文献求助10
2秒前
ezreal完成签到,获得积分10
2秒前
郭自同完成签到,获得积分10
3秒前
4秒前
yyq完成签到,获得积分10
4秒前
Vesper完成签到,获得积分10
5秒前
谷粱可愁完成签到,获得积分10
5秒前
orixero应助yunyii采纳,获得10
5秒前
5秒前
wuyou992发布了新的文献求助10
6秒前
6秒前
11完成签到,获得积分10
6秒前
Booksiy2完成签到,获得积分10
6秒前
科研通AI2S应助ddd采纳,获得10
7秒前
蜗牛的世界完成签到,获得积分10
8秒前
直率的犀牛完成签到,获得积分10
8秒前
田様应助桃桃采纳,获得10
9秒前
leoMD发布了新的文献求助10
10秒前
慕青应助yangquanquan采纳,获得10
10秒前
蚂蚱完成签到 ,获得积分10
10秒前
妮扣胖饥完成签到,获得积分10
11秒前
Active完成签到,获得积分10
11秒前
supering11完成签到,获得积分10
11秒前
汉堡包应助美好斓采纳,获得10
11秒前
欧维完成签到,获得积分10
12秒前
阳光凡之完成签到,获得积分10
13秒前
充电宝应助lala采纳,获得10
13秒前
碳烤小黑茶完成签到 ,获得积分10
13秒前
所所应助霜月十四采纳,获得10
13秒前
高分求助中
Evolution 3rd edition 1500
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
the development of the right of privacy in new york 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3180123
求助须知:如何正确求助?哪些是违规求助? 2830514
关于积分的说明 7978030
捐赠科研通 2492090
什么是DOI,文献DOI怎么找? 1329207
科研通“疑难数据库(出版商)”最低求助积分说明 635704
版权声明 602954