分子100%有效，从头设计配体，湖南大学提出基于片段的分子表征框架

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | KX 分子描述符广泛应用于分子建模，但在 AI 辅助分子发现领域，缺乏自然适用、完整且「原始」的分子表征是一个挑战，影响 AI 模型的性能和可解释性。 在使用先进的自然语言处理（NLP）方法解决化学问题时，会出现两个基本问题：（1）什么是「化学词」？（2）如何将它们编码为「化学句子」？ 近日，湖南大学研究团队提出了 一种灵活的、基于片段的多尺度分子表征框架 t-SMILES 的框架来解决第二个问题。 该框架使用 SMILES 类型的字符串描述分子，并且可以将基于序列的模型作为主要生成模型。t-SMILES 具有三种代码算法：TSSA、TSDY 和 TSID。 实验表明 ， t-SMILES 模型可以生成 100% 理论有效性且高度新颖的分子，优于基于 SOTA SMILES 的模型。 此外，无论模型是原始的、数据增强的 ………………………………