今天给大家分享一篇ICLR 2023 投稿"Context-enriched molecule representations improve few-shot drug discovery "论文。计算机药物发现的一个中心任务是从已知的活性分子中构建模型，为后续的筛选寻找更有前途的分子。然而，通常只有很少的活性分子是已知的。因此，Few-shot的学习方法有可能提高药物发现过程这一关键阶段的有效性。

本文介绍了一种新的Few-shot的药物发现方法。它的主要思想是通过已知上下文或参考分子的知识来丰富分子表示。本文的丰富分子表示的新概念是通过modern Hopfield network将来自支持集和查询集的分子与大量参考(上下文)分子相关联。本文贡献总结如下：

  • 提出了一种新的模型结构MHNFS，用于药物发现中的小样本学习。
  • 本文引入了一个新的概念，通过将分子与大量的上下文分子相关联来丰富具有上下文的分子表示。
  • 本文在FS-MOL基准中添加了一个基准，该基准产生的结果比几乎所有其他已发表的小样本学习方法都要好。
图片

文章地址: https://openreview.net/forum?id=kXXPLBEBVGH

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