Graph Representaion Learning for Drug Discovery

9月4日19:30-20:30，《Graph Representaion Learning for Drug Discovery》將通過知領直播平臺與大家見面。

會議直播

知領直播作為中國工程科技知識中心傾力打造的學術會議直播平臺將於9月4日19:30-20:00為大家帶來全程直播，掃碼下方二維碼或點擊文末閱讀原文，即可手機預約本次會議，屆時我們將通過簡訊提醒您觀看，確保各位不會錯過！

掃碼預約

會議內容

發現一種可以治癒人類某種疾病的新藥，特別是要將這款新藥推向市場，是一個漫長且昂貴的過程，估計需要 10 年以上的時間，平均耗費為 25 億美元。最近幾十年以來，科學家們一直在尋求通過現代計算技術來輔助新藥發現的過程， 特別是人工智慧和深度學習在這個領域得到了越來越多的關注。

本報告匯報了他們在新藥發現領域的兩個工作：

(1)他們提出了一個基於自回歸流模型的分子圖生成模型 GraphAF。

實驗結果表明，GraphAF可以生成真實、新穎、獨特且多樣的分子，而且所有生成的分子在化學意義上都是合理的，在分子性質優化任務上也取得了最好的效果。

(2)他們提出了可以預測分子逆合成路線的模型G2Gs。

G2Gs不依賴任何反應模版並且也不依賴子圖同構。它通過一系列圖變換，將產物分子轉換(或稱為翻譯)到反應物分子。實驗結果表明，G2Gs的性能遠優於不依賴反應模版的方法，它的性能與基於模版的方法相近，但是它不依賴領域知識和子圖同構，且具有更好的可擴展性。