J Pharm Anal｜化学自然语言引导基于扩散的生成式类药分子编辑

文章预览

扩散模型已成为分子设计与优化中的一种前沿范式。然而，大多数基于扩散的分子生成模型主要聚焦于2D图形或3D几何结构的建模，对分子序列扩散模型的研究相对较少。国际纯粹与应用化学联合会 (IUPAC) 命名系统与化学自然语言更为相似，而非有机化合物的SMILES编码。 2024年11月2日发表在Journal of Pharmaceutical Analysis上的研究论文Diffusion-based generative drug-like molecular editing with chemical natural language提出了一种 基于IUPAC名称引导的条件扩散模型DiffIUPAC，用于从化学自然语言到化学语言 (SMILES) 的分子编辑。 该研究探索了扩散模型的预训练生成性能能否迁移至化学自然语言领域。 研究人员开发的DiffIUPAC是一种可控的分子编辑扩散模型，能够将IUPAC名称转换为SMILES字符串。 评估结果显示，DiffIUPAC模型在语义规则捕捉方面优于现有方法，成功掌握了两种化学语言 ………………………………