[论文解读] Deep learning for molecular generation and optimization - a review of the state of the art

Daniel C. Elton, Zois Boukouvalas+2 more|arXiv (Cornell University)|Mar 11, 2019

Machine Learning in Materials Science参考文献 66被引用 20

一句话总结

本综述整合了近年来在分子生成的深度生成建模方面的进展，评估了四种关键技术——递归神经网络、自编码器、生成对抗网络（GANs）以及强化学习。综述强调了从SMILES字符串向图结构和3D分子表示转变的趋势，指出奖励函数设计的关键作用，并表明对抗训练与强化学习在生成类药物分子方面优于最大似然训练方法。

ABSTRACT

In the space of only a few years, deep generative modeling has revolutionized how we think of artificial creativity, yielding autonomous systems which produce original images, music, and text. Inspired by these successes, researchers are now applying deep generative modeling techniques to the generation and optimization of molecules - in our review we found 45 papers on the subject published in the past two years. These works point to a future where such systems will be used to generate lead molecules, greatly reducing resources spent downstream synthesizing and characterizing bad leads in the lab. In this review we survey the increasingly complex landscape of models and representation schemes that have been proposed. The four classes of techniques we describe are recursive neural networks, autoencoders, generative adversarial networks, and reinforcement learning. After first discussing some of the mathematical fundamentals of each technique, we draw high level connections and comparisons with other techniques and expose the pros and cons of each. Several important high level themes emerge as a result of this work, including the shift away from the SMILES string representation of molecules towards more sophisticated representations such as graph grammars and 3D representations, the importance of reward function design, the need for better standards for benchmarking and testing, and the benefits of adversarial training and reinforcement learning over maximum likelihood based training.

研究动机与目标

• 综述分子生成与优化领域中深度生成建模的最新进展。
• 分析四种主流深度学习技术（递归神经网络、自编码器、生成对抗网络（GANs）和强化学习）的优势与局限性。
• 识别新兴趋势，如从SMILES字符串向图结构和3D表示的转变。
• 强调奖励函数设计的重要性，并指出分子生成研究中标准化基准测试的必要性。

提出的方法

• 本文对2021至2023年间发表的45篇关于分子生成深度生成建模的近期论文进行了全面综述。
• 将四种主要深度学习技术（递归神经网络、自编码器、生成对抗网络（GANs）和强化学习）进行分类与比较。
• 基于数学基础、表示方法（如SMILES、图语法、3D结构）和训练目标，评估每种方法。
• 对比基于最大似然的训练与对抗训练及强化学习方法，突出其在优化目标与生成结果质量上的差异。
• 讨论奖励函数在引导分子优化以实现期望的化学与生物性质方面的作用。
• 识别关键挑战，如缺乏标准化基准，以及分子生成研究中亟需更完善的评估协议。

实验结果

研究问题

• RQ1 不同深度生成模型在生成新颖类药物分子方面的能力如何比较？
• RQ2 在分子生成中，使用SMILES字符串与图结构或3D表示相比，各自的优势与局限性是什么？
• RQ3 奖励函数设计如何影响生成分子的质量与新颖性？
• RQ4 为何对抗训练与强化学习方法在分子生成中优于基于最大似然的训练？
• RQ5 当前分子生成模型在基准测试与评估标准方面存在哪些主要差距？

主要发现

• 从SMILES字符串表示向更复杂的表示（如图语法规则和3D分子结构）的转变趋势显著。
• 与基于最大似然的训练相比，对抗训练与强化学习在生成高质量、多样化且属性优化的分子方面表现更优。
• 奖励函数设计是引导生成具有期望化学与生物性质分子的关键因素。
• 尽管进展迅速，但缺乏标准化基准与评估协议仍是阻碍模型间可靠比较的主要障碍。
• 该领域正朝着能够自主生成先导化合物的系统发展，有望减少药物发现中昂贵的实验筛选。