ChemistGA: A Chemical Synthesizable Accessible Molecular Generation Algorithm for Real-World Drug Discovery

化学 药物发现 启发式 合成数据 计算机科学 生成模型 集合(抽象数据类型) 合成生物学 渡线 算法 生成语法 遗传算法 人工智能 机器学习 计算生物学 生物 生物化学 程序设计语言
作者
Jike Wang,Xiaorui Wang,Huiyong Sun,Mingyang Wang,Yundian Zeng,Dejun Jiang,Zhenhua Wu,Zeyi Liu,Ben Liao,Xiaojun Yao,Chang‐Yu Hsieh,Dongsheng Cao,Xi Chen,Tingjun Hou
出处
期刊:Journal of Medicinal Chemistry [American Chemical Society]
卷期号:65 (18): 12482-12496 被引量:22
标识
DOI:10.1021/acs.jmedchem.2c01179
摘要

Many deep learning (DL)-based molecular generative models have been proposed to design novel molecules. These models may perform well on benchmarks, but they usually do not take real-world constraints into account, such as available training data set, synthetic accessibility, and scaffold diversity in drug discovery. In this study, a new algorithm, ChemistGA, was proposed by combining the traditional heuristic algorithm with DL, in which the crossover of the traditional genetic algorithm (GA) was redefined by DL in conjunction with GA, and an innovative backcrossing operation was implemented to generate desired molecules. Our results clearly show that ChemistGA not only retains the strength of the traditional GA but also greatly enhances the synthetic accessibility and success rate of the generated molecules with desired properties. Calculations on the two benchmarks illustrate that ChemistGA achieves impressive performance among the state-of-the-art baselines, and it opens a new avenue for the application of generative models to real-world drug discovery scenarios.
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
PDF的下载单位、IP信息已删除 (2025-6-4)

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
跳跃的白云完成签到 ,获得积分10
2秒前
穆奕完成签到 ,获得积分10
10秒前
12秒前
leo完成签到,获得积分10
18秒前
www完成签到 ,获得积分10
19秒前
王佳豪完成签到,获得积分10
23秒前
25秒前
30秒前
呵呵发布了新的文献求助10
31秒前
小星历险记完成签到 ,获得积分10
32秒前
Robe完成签到 ,获得积分10
35秒前
liberation完成签到 ,获得积分0
39秒前
41秒前
呵呵完成签到,获得积分20
43秒前
tzy6665完成签到,获得积分10
44秒前
杨天天完成签到,获得积分10
45秒前
roundtree完成签到 ,获得积分0
46秒前
nengzou完成签到 ,获得积分10
48秒前
Sandy应助帅气的宛凝采纳,获得20
51秒前
laber完成签到,获得积分0
51秒前
Fly完成签到 ,获得积分10
55秒前
kanong完成签到,获得积分0
57秒前
穿山的百足公主完成签到 ,获得积分10
58秒前
诺亚方舟哇哈哈完成签到 ,获得积分0
59秒前
JayL完成签到,获得积分10
1分钟前
1分钟前
小井盖完成签到 ,获得积分10
1分钟前
故意的小猫咪完成签到,获得积分10
1分钟前
真真完成签到 ,获得积分10
1分钟前
故意的鼠标完成签到,获得积分10
1分钟前
summer完成签到,获得积分10
1分钟前
阿敬完成签到,获得积分10
1分钟前
漂漂亮亮大番薯完成签到,获得积分10
1分钟前
dream完成签到 ,获得积分10
1分钟前
和谐的夏岚完成签到 ,获得积分10
1分钟前
勤奋的灯完成签到 ,获得积分10
1分钟前
现代风格完成签到,获得积分10
1分钟前
luffy完成签到 ,获得积分10
1分钟前
samuel完成签到,获得积分10
1分钟前
Mason完成签到,获得积分10
1分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Cognitive Neuroscience: The Biology of the Mind 1000
Technical Brochure TB 814: LPIT applications in HV gas insulated switchgear 1000
Immigrant Incorporation in East Asian Democracies 600
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
A Preliminary Study on Correlation Between Independent Components of Facial Thermal Images and Subjective Assessment of Chronic Stress 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 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 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3968559
求助须知:如何正确求助?哪些是违规求助? 3513358
关于积分的说明 11167370
捐赠科研通 3248804
什么是DOI,文献DOI怎么找? 1794465
邀请新用户注册赠送积分活动 875116
科研通“疑难数据库(出版商)”最低求助积分说明 804664