Нейронная сеть с конкурентным порогом для генерации малых органических молекулярных структур

Аннотация

Постановка проблемы: особое место в процессе разработки новых лекарственных препаратов занимает компьютерное моделирование потенциальных кандидатов в лекарства. На этом этапе создается и виртуально валидируется молекулярная структура препарата. Молекулярные структуры создаются преимущественно биоинформатиками и медицинскими химиками. Поэтому процесс создания и виртуального тестирования молекул является долгим и дорогим. Цель: разработка модели глубокой генеративной конкурентной нейронной сети, а также среды ее подкрепления для генерации целевых малых органических молекулярных структур с заданными свойствами и функции награды по молекулярному разнообразию. Результаты: разработана модель глубокой нейронной сети, основанная на концепциях конкурентного обучения и обучения с учителем. В качестве генератора молекулярных структур модель использует рекуррентную нейронную сеть с внешней памятью и специальный нейросетевой блок для отбора генерируемых молекул до их реальной оценки средой. Также разработана новая объектная функция внутренней кластеризации по разнообразию, которая позволяет модели генерировать более разнородную химию. Сравнительные эксперименты показали, что предложенная модель лучше своего ближайшего конкурента с точки зрения генерации уникальных и более сложных валидных молекулярных структур. Продемонстрировано, что сгенерированные моделью молекулы соответствуют априорным распределениям ключевых молекулярных дескрипторов тренировочных молекул. Исследования проводились на выборке из 15 ОООлекарственно-подобных молекулярных соединений, собранных вручную из коллекции компании ChemDiv. Практическая значимость: предложенная модель может быть использована в качестве умного помощника для разработки новыхлекарственных препаратов медицинскими химиками.