مقاله RetroDiff: سنتز برگشتی به عنوان درون یابی توزیع چند مرحله ای

چکیده

Retrosynthesis poses a fundamental challenge in biopharmaceuticals, aiming to aid chemists in finding appropriate reactant molecules and synthetic pathways given determined product molecules. With the reactant and product represented as 2D graphs, retrosynthesis constitutes a conditional graph-to-graph generative task. Inspired by the recent advancements in discrete diffusion models for graph generation, we introduce Retrosynthesis Diffusion (RetroDiff), a novel diffusion-based method designed to address this problem. However, integrating a diffusion-based graph-to-graph framework while retaining essential chemical reaction template information presents a notable challenge. Our key innovation is to develop a multi-stage diffusion process. In this method, we decompose the retrosynthesis procedure to first sample external groups from the dummy distribution given products and then generate the external bonds to connect the products and generated groups. Interestingly, such a generation process is exactly the reverse of the widely adapted semi-template retrosynthesis procedure, i.e. from reaction center identification to synthon completion, which significantly reduces the error accumulation. Experimental results on the benchmark have demonstrated the superiority of our method over all other semi-template methods.

چکیده به فارسی (ترجمه ماشینی)

رتروسنتز یک چالش اساسی در بیو دارویی ایجاد می کند ، با هدف کمک به شیمیدانان در یافتن مولکول های واکنش دهنده مناسب و مسیرهای مصنوعی با توجه به مولکولهای محصول تعیین شده.با استفاده از واکنش دهنده و محصول به عنوان نمودارهای 2D ، رتروسنتز یک کار تولیدی نمودار به نمودار مشروط است.با الهام از پیشرفت های اخیر در مدل های انتشار گسسته برای تولید گراف ، ما انتشار رتروسنتز (RetroDiff) را معرفی می کنیم ، یک روش مبتنی بر انتشار جدید برای رفع این مشکل.با این حال ، ادغام یک چارچوب نمودار به نمودار مبتنی بر انتشار ضمن حفظ اطلاعات الگوی واکنش شیمیایی ضروری ، یک چالش قابل توجه را نشان می دهد.نوآوری اصلی ما توسعه یک فرایند انتشار چند مرحله ای است.در این روش ، ما روش رتروسنتز را تجزیه می کنیم تا ابتدا گروه های خارجی را از محصولات با داده توزیع ساختگی نمونه برداری کنیم و سپس اوراق قرضه خارجی را برای اتصال محصولات و گروه های تولید شده تولید کنیم.جالب اینجاست که چنین فرآیند نسلی دقیقاً برعکس روش رتروسنتز نیمه مفهومی به طور گسترده سازگار است ، یعنی از شناسایی مرکز واکنش تا تکمیل سنتون ، که به طور قابل توجهی تجمع خطا را کاهش می دهد.نتایج تجربی در معیار ، برتری روش ما را نسبت به سایر روشهای نیمه ممتاز نشان داده است.