Исследовательская группа

Прикладное машинное обучение и глубокое обучение

RetroGNN: Approximating Retrosynthesis by Graph Neural Networks for De Novo Drug Design

April 6

Число молекул, подобных лекарствам, оценивается в количестве 1023 – 1060. Несмотря на десятилетия скрининга, лишь малая часть этого химического пространства была обследована. Создание последовательностей молекул, которые не основаны на уже существующих последовательностях (de novo), нацелено на эффективное исследование и разработку с нуля огромного количества лекарств с помощью вычислительных методов.

Неограниченные методы de novo дизайна часто генерируют нереалистичные и трудно синтезируемые молекулы. Некоторые подходы показали перспективность улучшения синтезируемости молекул. В них применяется наиболее естественная идея смещения поиска в область более простого синтеза соединений с использованием функцией оценки синтезируемости, например SAScore или SCScore. Однако, используя текущие оценки, придется выбирать между точностью и скоростью работы, а их использование все еще может приводить к очень нереалистичным соединениям.

На семинаре будет рассмотрен предложенный авторами статьи новый подход, основанный на программном обеспечении для планирования ретросинтеза с использованием глубокой нейронной сети.

Докладчик: Артем Осипов.

Язык доклада: русский.

Дата и время:  6 апреля, 18:30.

https://us02web.zoom.us/j/217320533?pwd=TzllQzNld1ExUVJUdENXdzZsblBhUT09

Meeting ID: 217 320 533

Passcode: 021675