RNN Drug Generation:从头开始药物生成的递归体系结构研究 源码

RNN-药物产生 从头开始药物生成的递归体系结构研究 在药物发现中,深度学习算法已成为一种产生新型化学结构的有效方法。 他们可以加快这一过程并减少支出。 我们基于递归神经网络优化了\ emph {de novo}药物设计的计算框架,该网络可以学习SMILES表示法中分子表示的语法。 我们对体系结构和超参数进行了全面的研究。 此外,我们比较了分子的两种编码和空间排列类型:嵌入和单热编码以及分别具有和不具有立体化学信息的数据集。 最好的模型由一个RNN组成,该RNN包含3层长短期存储单元,每个单元有512个单位,批大小为16,“ RMSProp”优化器,采样温度为0.75。 与生成的SMILES的有效性和多样性相比,我们报告了比当前文献更好的结果。 对于ChEMBL数据集,最佳模型的有效生成的SMILES值达到98.7%,对于包含立体化学信息的ZINC生物库,其值达到94.7%。 在这两种情况