RetroGEF：用于单步逆合成的动态图编辑流
RetroGEF: Dynamic Graph Edit Flow for Single-Step Retrosynthesis
浏览论文内容
中文总结 AI 辅助
RetroGEF提出基于流的生成模型，在统一生成过程中建模分子图编辑与尺寸变化，实现单步逆合成，无需预设编辑顺序，并在基准上取得最优性能。
中文摘要 AI 辅助
逆合成能够发现目标分子的可行合成路线，在现代药物发现和材料设计中发挥着核心作用。逆合成涉及分子图变换，这些变换可能同时改变连接性和图的大小。这些变换可能会引入目标中不存在的反应物组分，同时修正源自产物的结构。为了对这些变换进行建模，我们提出了RetroGEF，一种用于单步逆合成的基于流的生成模型。从目标分子出发，它通过添加原子和改变分子图中的化学键来构建可能的反应物。RetroGEF在同一个生成过程中对分子变换和图大小的变化进行建模，而不是依赖于固定大小的图画布。它直接从产物-反应物对中学习这一过程，无需预设的编辑顺序。在代表性逆合成基准上的实验表明，RetroGEF达到了最先进的性能。
英文摘要
Retrosynthesis enables the discovery of viable synthetic routes to target molecules. It plays a central role in modern drug discovery and materials design. Retrosynthesis involves molecular graph transformations that can change both connectivity and graph size. These transformations may introduce reactant components absent from the target while revising the product-derived structure. To model these transformations, we propose RetroGEF, a flow-based generative model for single-step retrosynthesis. Starting from the target molecule, it constructs possible reactants by adding atoms and changing bonds in the molecular graph. RetroGEF models molecular transformations and changes in graph size within the same generative process, rather than relying on a fixed-size graph canvas. It learns this process directly from product--reactant pairs without requiring a prescribed edit order. Experiments on representative retrosynthesis benchmarks demonstrate that RetroGEF achieves state-of-the-art performance.
发表机构
- The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
- Shanghai AI Laboratory（上海人工智能实验室）
机构由 AI 辅助整理，请以论文原文为准。
