本文介绍来自美国俄亥俄州立大学Ziqi Chen, Srinivasan Parthasarathy, Xia Ning和美国NEC实验室Martin Renqiang Min共同发表在Nature Machine Intelligence上的文章《A Deep Generative Model for Molecule Optimization via One Fragment Modification》。文章介绍了一种新的深度生成模型Modof，它预测给定分子的单个断开位点，通过在该位点去除和/或添加片段进行分子修改。Modof每次只修改一个片段，遵循体外化学修饰，保留了主要分子支架，可控制中间优化步骤并能更好的约束分子相似性。

论文链接：

https://www.nature.com/articles/s42256-021-00410-2

Modof-encoder：Modof使用图消息传递网络(GMPN)在分子图/上生成 Mx/My的原子嵌入，并使用树消息传递网络(TMPN)在相应的连接树/上生成节点嵌入。利用Difference Embedding (DE)学习、在断开点的差别嵌入和，并将其映射为符合正态分布的隐向量和。

Modof-decoder：Modof使用进行断开位点预测(DSP)来识别断开位点nd。在nd的邻域，Modof进行移除片段预测 (RFP)以移除nd连接的某个片段。然后，Modof生成剩余scaffold ()的中间表示(IMR)。在()上，Modof通过迭代执行子节点连接预测(NFA-cp)、子节点类型预测(NFA-ntp)和附着点预测 (NFA-app) 来执行新片段附着(NFA)实现Mx的优化。

内容中包含的图片若涉及版权问题，请及时与我们联系删除