[论文解读] Barking up the right tree: an approach to search over molecule synthesis DAGs

John Bradshaw, Brooks Paige+3 more|PolyPublie (École Polytechnique de Montréal)|Dec 21, 2020

Machine Learning in Materials Science参考文献 100被引用 9

一句话总结

本文提出一种深度生成模型，可直接输出分子合成有向无环图（DAG），并将合成可行性嵌入生成过程。通过在DAG节点间进行分层神经消息传递并实现高效序列化，该模型确保生成的分子兼具化学多样性与可合成性，从而在尊重现实合成约束的前提下，有效优化目标性质。

ABSTRACT

When designing new molecules with particular properties, it is not only important what to make but crucially how to make it. These instructions form a synthesis directed acyclic graph (DAG), describing how a large vocabulary of simple building blocks can be recursively combined through chemical reactions to create more complicated molecules of interest. In contrast, many current deep generative models for molecules ignore synthesizability. We therefore propose a deep generative model that better represents the real world process, by directly outputting molecule synthesis DAGs. We argue that this provides sensible inductive biases, ensuring that our model searches over the same chemical space that chemists would also have access to, as well as interpretability. We show that our approach is able to model chemical space well, producing a wide range of diverse molecules, and allows for unconstrained optimization of an inherently constrained problem: maximize certain chemical properties such that discovered molecules are synthesizable.

研究动机与目标

• 解决当前分子深度生成模型存在的缺陷，即尽管化学多样性高，却常生成不可合成的化合物。
• 将多步合成路线形式化为有向无环图（DAG），以捕捉化学合成的分层与递归特性。
• 开发一种神经消息传递框架，实现在合成DAG多个层级之间的信息交换，支持结构化表征学习。
• 在确保所有生成分子均可行合成的前提下，实现分子性质（如结合亲和力、溶解度等）的无约束优化。
• 通过生成不仅包括分子本身，还包括完整且有效的合成路径，提供可解释性与实际应用价值。

提出的方法

• 将合成路线表示为DAG，其中每个节点对应一个分子，边代表化学反应，确保分子与节点之间的一一对应关系。
• 设计一种分层神经消息传递机制，实现从构建单元到最终产物的DAG各层级间的信息传播。
• 引入高效的合成DAG序列化程序，实现与标准深度学习框架及架构的兼容性。
• 将基于DAG的生成模型集成至现有架构（如变分自编码器和强化学习流程）中，用于分子优化。
• 使用预定义的虚拟构建单元库和虚拟反应，从源头确保语义有效性和可合成性。
• 利用DAG结构作为归纳偏置，将搜索空间限制为仅包含化学上合理且可合成的分子。

实验结果

研究问题

• RQ1 一种输出合成DAG的深度生成模型，能否在确保所有生成分子均可合成的同时，有效捕捉化学空间？
• RQ2 在DAG节点间进行的分层消息传递，如何提升对复杂多步合成路线的表征能力？
• RQ3 与基于字符串或图的模型相比，将合成过程建模为DAG在多大程度上提升了生成分子的多样性与质量？
• RQ4 所提出的模型能否在不牺牲可合成性的前提下，实现分子性质的有效优化？
• RQ5 将合成DAG集成至现有深度学习框架（如VAE、RL）中，如何提升分子设计任务中的性能？

主要发现

• 所提出模型成功生成了大量多样化、化学上有效的可合成分子，实证包括对乙酰氨基酚等真实世界示例均被包含在合成DAG中。
• 分层消息传递机制实现了多反应层级间有效信息流动，显著提升了模型对复杂多步合成路线的推理能力。
• 该模型在分子生成任务中表现具有竞争力，且明确强制执行了可合成性，在下游优化任务中优于无约束模型。
• 合成DAG的序列化使模型能无缝集成至标准深度学习框架（如变分自编码器和强化学习智能体）中。
• 该方法提供了可解释的合成路径，为化学家提供可直接用于实验验证的可行路线。
• 通过在生成过程中嵌入合成可行性，该模型减少了对事后合成规划的依赖，从而加速了设计-制造-测试-分析的循环。