Core Concepts
SynFlowNet은 화학적으로 검증된 반응과 출발물질을 사용하여 순차적으로 새로운 분자를 구축하는 GFlowNet 모델이다. 이를 통해 합성 가능한 분자를 생성할 수 있다.
Abstract
SynFlowNet은 화학적으로 검증된 반응과 구매 가능한 출발물질을 사용하여 순차적으로 새로운 분자를 구축하는 GFlowNet 모델이다. 이를 통해 합성 가능한 분자를 생성할 수 있다.
SynFlowNet은 다음과 같은 특징을 가진다:
반응 템플릿 기반의 행동 공간을 사용하여 합성 가능성을 보장한다.
보상 함수에 따라 목표 특성을 최적화하면서도 다양한 후보를 생성할 수 있다.
기존의 분자 조각 기반 GFlowNet과 비교하여 합성 가능성 점수와 약물 유사성 점수가 향상되었다.
생성된 분자에 대한 역합성 분석을 통해 실제 합성 가능성을 검증하였다.
SynFlowNet은 화학 반응과 출발물질을 활용하여 합성 가능한 분자를 생성하는 새로운 접근법을 제시한다. 이를 통해 기존 분자 생성 모델의 한계를 극복하고 실용적인 분자 설계를 가능하게 한다.
Stats
생성된 분자의 평균 합성 복잡성 점수(SA score)는 SynFlowNet이 3.4, 분자 조각 기반 GFlowNet이 5.4로 나타났다.
생성된 분자의 평균 상대적 리간드 효율성은 SynFlowNet이 0.05, 분자 조각 기반 GFlowNet이 0.03으로 나타났다.
SynFlowNet으로 생성된 분자 중 47%가 역합성 분석 도구를 통해 성공적으로 합성 경로를 찾을 수 있었지만, 분자 조각 기반 GFlowNet의 경우 0%만이 성공적인 합성 경로를 찾을 수 있었다.
Quotes
"SynFlowNet은 화학적으로 검증된 반응과 구매 가능한 출발물질을 사용하여 순차적으로 새로운 분자를 구축하는 GFlowNet 모델이다."
"SynFlowNet은 보상 함수에 따라 목표 특성을 최적화하면서도 다양한 후보를 생성할 수 있다."