分子100%有效，从头设计配体，湖南大学提出基于片段的分子表征框架

---

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

编辑 | KX

分子描述符的应用与挑战

分子描述符广泛应用于分子建模。然而，在 AI 辅助分子发现领域，缺乏自然适用、完整且原始的分子表征，影响模型性能和可解释性。

t-SMILES 框架的提出

基于片段的多尺度分子表征框架 t-SMILES 解决分子表征问题。该框架使用 SMILES 类型的字符串描述分子，支持序列模型作为生成模型。

t-SMILES 的代码算法

t-SMILES 具有三种代码算法：TSSA、TSDY 和 TSID。

实验结果

实验表明，t-SMILES 模型生成分子具有 100% 理论有效性和高新颖性，优于基于 SOTA SMILES 的模型。

此外，t-SMILES 模型避免过拟合，在标记的低资源数据集上保持相似性，同时实现更高新颖性。

发表信息

该研究以「t-SMILES: a fragment-based molecular representation framework for de novo ligand design」为题，于 6 月 11 日发表在《Nature Communications》上。

论文链接：https://www.nature.com/articles/s41467-024-49388-6

基于 SMILES 的分子表征法研究

分子的有效表征是影响人工智能模型性能的关键因素。

图神经网络（GNN）因其能生成 100% 有效的分子而流行，但其表达能力受限。

简化分子线性输入规范（SMILES）作为一种线性表示法，易产生化学无效字符串。DeepSMILES 和 SELFIES 作为替代方案虽有所改进，但仍存在问题。

此外，研究表明语言模型 (LM) 在学习大型复杂分子方面可能优于大多数 GNN。最近，基于 Transformers 的 LM 已经展示了它们生成与人类书写极为相似的文本的能力。

受这些想法启发，研究者选择 SMILES 作为片段描述的起始选择，并结合先进的自然语言处理技术来处理基于片段的分子建模任务，这可以融合图模型更注重分子拓扑结构和 LM 的强大学习能力的优势。

生成 100% 有效的新分子，优于 SOTA

因此，湖南大学团队提出了一种基于碎片化分子的新型分子描述框架 t-SMILES（基于树的 SMILES）。该框架包含三种 t-SMILES 编码算法：TSSA（具有共享原子的 t-SMILES），TSDY（具有虚拟原子但不具有 ID 的 t-SMILES）和 TSID（具有 ID 和虚拟原子的 t-SMILES）。

码上飞

码上飞（CodeFlying） 是一款AI自动化开发平台，通过自然语言描述即可自动生成完整应用程序。

430 查看详情

图示：t-SMILES 算法概述（来源：论文）

新提出的 t-SMILES 框架

1. 生成无环分子树（AMT），表示碎片化的分子。
2. 将 AMT 转换为全二叉树（FBT）。
3. 对 FBT 进行广度优先遍历得到 t-SMILES 字符串。

与 SMILES 相比

t-SMILES 仅引入了两个新符号「&」和「^」，编码多尺度和分层的分子拓扑。

t-SMILES 算法

提供了一个可扩展且适应性强的框架，理论上能够支持广泛的子结构方案。

基于 t-SMILES 的模型

能够在处理详细子结构信息的同时学习高级拓扑结构信息。

多代码系统

t-SMILES 算法可以构建一个用于分子描述的多代码系统，其中：

• 经典的 SMILES 可集成作为 t-SMILES 的特例（TS_Vanilla）。
• 多个描述可以协作以提高综合性能。

  

  图示：TSSA 代码、SMILES 和 SELFIES 的 tokens 分布。（来源：论文）

首先，研究人员通过深入研究其独特的特征来系统地评估 t-SMILES。随后，使用 TSSA 和 TSDY 对两个标记的低资源数据集 JNK332 和 AID170633 进行了实验。

研究重点是 t-SMILES 及其替代品的局限性，这些局限性是通过利用标准、数据增强和预训练微调模型实现的。使用 TSDY、TSSA 和 TSID 并行评估了 ChEMBL 上的 20 个目标导向任务。还对 ChEMBL、Zinc 和 QM9 进行了彻底的实验，通过使用类似的设置比较 t-SMILES 及其替代品。此外，比较了各种基于片段的基线模型和 SOTA GNN 模型。

最后，进行了一项消融研究，以确认基于带重建的 SMILES 的生成模型的有效性。为了评估 t-SMILES 算法的适应性和灵活性，使用了四种先前发表的碎片算法来分解分子，包括 JTVAE、BRICS、MMPA 和 Scaffold。不同实验采用了三种指标：分布学习基准、目标导向基准和物理化学性质的 Wasserstein 距离指标。

详细的对比实验表明，t-SMILES 模型生成的新分子 100% 理论有效，优于基于 SOTA SMILES 的模型。与 SMILES、DSMILES 和 SELFIES 相比，t-SMILES 的整体解决方案可以避免过拟合问题，并显著提高低资源数据集上的平衡性能，无论是使用数据增强还是预训练然后微调的模型。

图示：使用 GPT 在 ZINC 上进行的分布学习基准测试的结果。（来源：论文）

此外，t-SMILES 模型能够熟练地捕捉分子的物理化学性质，确保生成的分子与训练分子分布保持相似性。与现有的基于片段和基于图的基线模型相比，这显著提高了性能。特别是，具有目标导向重建算法的 t-SMILES 模型在面向目标的任务中比 SMILES、DSMILES、SELFIES 和 SOTA CReM 表现出明显的优势。

局限性和有待改进之处

• LLM 可以理解格式良好的英语语法。因此，是否可以学习 t-SMILES 的树结构，以及 LM 如何超越表面的统计相关性来学习分子的化学知识仍有待深入探索。
• 该研究专注于将碎片分子编码为序列，因此仅使用已发布的碎片算法作为示例来创建「化学词」。未来的研究可以利用 t-SMILES 探索其他碎片算法，更深入地解读化学句子和含义，这实际上比 NLP 更具挑战性。
• 虽然 t-SMILES 旨在提高分子描述的性能并规避 SMILES 的局限性，但该研究并未对更复杂的分子进行实验。这将是未来研究的主题。
• 最后，这是将碎片分子编码为 SMILES 类型字符串的一个有希望的开端。进一步的研究可以探索分子重建和优化的高级算法、改进的生成模型和进化技术。此外，研究可以集中在属性、逆合成和反应预测任务上。

注：封面来自网络

以上就是分子100%有效，从头设计配体，湖南大学提出基于片段的分子表征框架的详细内容，更多请关注其它相关文章！

# 两周  # seo推广自学简单  # seo3com短视频  # 十堰营销推广网站  # 电商营销推广书籍排行榜  # 网站建设的材料  # 本溪网站建设价格  # 想做网站的推广价格多少  # 非个人营销号怎么做推广  # seo网站内容优化有哪些类型  # 龙里网站优化公司  # 产业  # 大比拼  # 三季度  # 广州  # 量产  # 子树  # 进行了  # 自然语言  # 丰田  # 三种  # design 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 人工智能框架生态峰会即将召开，聚焦AI大模型技术与科学智能探索！  央视报道车载人机交互技术！MWC上海魅族表现亮眼，现场热火朝天  “聚智启新，‘蓉’力同行” 成都市人工智能产业融通对接会成功举办  再度重仓 AI 赛道，SaaS 巨头 Salesforce 扩大 AIGC 风投基金规模  今年，全球客服中心支出将增长 16.2%，迎接对话式 AI 的浪潮，根据 Gartner 报告  OpenAI首席执行官表态支持欧盟AI监管  全场景智能车：智能无处不在｜芯驰亮相世界人工智能大会  DeepMind推惊世排序算法，C++库忙更新！  全球首款AI裸眼3D平板 国产的售价破万  郭帆：AI发展日新月异，或是弯道超车好莱坞的最好机会  「社交达人」GPT-4！解读表情、揣测心理全都会  兆讯传媒率先全面拥抱AI 数智广告内容焕发新生机  美的推出 AI 双视精准避障的自动集尘扫拖机器人 V12，售价仅为2999元  南京制造的国产工业机器人：在外资品牌竞争中突围，年销售1.8万台  Yann LeCun团队新研究成果：对自监督学习逆向工程，原来聚类是这样实现的  人工智能加速走进百姓生活：从2025全球人工智能技术大会看行业新趋势  构建AI绘画网站的方法：使用API接口和调用步骤  网易云音乐内测上线“私人DJ” 打造AI推荐音乐助手  字节团队提出猞猁Lynx模型：多模态LLMs理解认知生成类榜单SoTA  谷歌新安卓机器人logo曝光：头更大了  马斯克WAIC2025演讲全文：AI将对人类文明产生深远影响  机器人 展才能  华为云发布华为云盘古模型3.0和升腾AI云服务，亮点亮相2025华为开发者大会  时间、空间可控的视频生成走进现实，阿里大模型新作VideoComposer火了  利亚德加码AI战略，与光年无限图灵机器人全面开展AI研发业务合作  生成式AI引路产业加速来袭，微美全息探索“AIGC+虚拟人”融合应用  中国电信AI能力通过国家级金融领域权威认证并荣膺AI国际头部竞赛冠军  即将到来：AI婚纱设计软件实际测试，人工智能即将开创婚纱设计新纪元  北交大推出国内首个开源交通大模型TransGPT，可免费商用  人工智能正在弥合认知和表达之间的鸿沟  小米发布CyberDog2 - 他们的第二代仿生四足机器人展示  世界人工智能大会上，科大讯飞宣布与华为联手  大厂出品！这个AI网站太顶了，所有功能免费用  苹果AIGC专利：可通过语音指令生成AR/VR虚拟场景  英特尔张宇：边缘计算在整个AI生态系统中扮演重要角色  MetaGPT开源框架爆红 GitHub，达到1.1万星，模拟软件开发流程  田渊栋新作：打开1层Transformer黑盒，注意力机制没那么神秘  从GOXR到PartyOn，XRSPACE致力打造多元共赢的元宇宙世界  创作音乐/音频的Meta开源AI工具AudioCraft，让用户通过文本提示实现  MiracleVision视觉大模型  能抓取玻璃碎片、水下透明物，清华提出通用型透明物体抓取框架，成功率极高  优傲机器人的人机协作技术 助力中小企发展  微软AR/VR专利提出使用时间复用谐振驱动产生双极性电源  微幼科技晨检机器人与人工晨检相比，有何优势  网友自制 AI 版《流浪地球 3》预告片，登上 CCTV6  洞穴探险神器？可自主导航的单旋翼自旋无人机，效率更高！  MetaGPT AI 模型开源：可模拟软件公司开发过程，生成高质量代码  选对AI智能写作软件，让创作游刃有余！  LinkedIn 推出生成式 AI 辅助撰写帖文功能，将向所有用户开放  OpenAI宣布组建新团队 以控制“超级智能”人工智能 

 2024-07-05