每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

在固定维度 E(3)-等变潜在空间中操纵 3D 分子

Created by
  • Haebom

作者

陈子涛、贾银军、田子潼、马伟英、蓝燕燕

MolFLAE：三维潜在空间中的零样本分子操控

大纲

本文通过探索三维分子的共享潜在空间，提出了一种灵活的零样本分子操控方法。我们引入了一种用于三维分子的变分自编码器 (VAE)，称为 MolFLAE，它可以学习一个固定维度的 E(3) 等边潜在空间，且与原子数量无关。MolFLAE 使用 E(3) 等边神经网络将三维分子编码为固定数量的潜在节点，每个节点通过学习到的嵌入进行区分。对潜在空间进行归一化，并通过以编码器潜在输出为条件的贝叶斯流网络 (BFN) 重建分子结构。MolFLAE 在标准的无条件三维分子生成基准测试中取得了颇具竞争力的性能。此外，MolFLAE 的潜在空间支持零样本分子操控，包括原子数量编辑、结构重建以及结构和性质的协调潜在插值。最后，我们展示了针对人类糖皮质激素受体的药物优化任务的方法，生成具有增强亲水性的分子，同时在计算评估下保留关键相互作用。

Takeaways, Limitations

•
Takeaways：
◦
提出了一种灵活的、零样本的 3D 分子操作方法。
◦
E(3)基于等边神经网络的MolFLAE模型的开发。
◦
能够编辑原子序数、重建结构和操纵属性。
◦
证明其在药物优化工作中的实用性。
•
Limitations：
◦
论文中没有具体说明Limitations（仅从论文摘要无法确定）。
👍
Made with Slashpage