Projecting Molecules into Synthesizable Chemical Spaces

近年来，许多生成模型被引入加速药物发现过程，但由于在实践中缺乏对合成可行性的考虑，它们进展到实验验证的过程仍然受限。本文提出了一个新的框架，能够在保证合成可行性的同时生成新的化学结构。具体而言，我们引入了一种后缀符号的合成路径表示分子在化学空间中的位置。然后，我们设计了一个基于转换器的模型，将分子图形翻译成后缀合成符号。我们强调该模型的能力：(a) 更准确地进行自下而上的合成规划，(b) 为生成模型提出的无法合成的分子生成结构相似的可合成类似物，同时保留其属性，(c) 探索命中分子周围的局部可合成化学空间。

论文旨在解决药物发现过程中的一个关键问题：如何在生成新的药物分子时保证其可合成性？这是否是一个新问题？

论文提出了一种新颖的框架，通过引入后缀表示法来表示化学空间中的分子，并设计了一种基于transformer的模型将分子图转化为后缀合成路径，从而生成可合成的新化合物。

论文的亮点包括：1. 提出了一种新颖的方法来解决药物发现中的可合成性问题；2. 实验结果表明，该模型能够更准确地进行自下而上的合成规划，生成可合成的分子，并能够为不可合成的分子生成结构相似的可合成类似物；3. 论文使用了多个数据集进行实验，并开源了代码，为后续的研究提供了基础。

近年来，许多基于生成模型的药物发现研究被提出，如VAE、GAN等，但这些模型往往没有考虑到实际环境中的可合成性问题。此外，还有一些研究关注于药物分子的可合成性，如Retrosynthesis Prediction等。