Прогнозирование ретросинтетических реакций с использованием самокорректирующихся трансформерных нейронных сетей

Планирование синтеза представляет собой процесс рекурсивной декомпозиции целевых молекул до доступных прекурсоров. Компьютерная ретросинтетика потенциально может помочь химикам в разработке синтетических маршрутов; однако в настоящее время этот процесс является трудоемким и не обеспечивает удовлетворительных результатов. В настоящем исследовании мы разработали свободный от шаблонов самокорректирующийся предиктор ретросинтеза (SCROP) для прогнозирования ретросинтетических реакций с использованием трансформерных нейронных сетей. В рамках этого метода планирование ретросинтеза было преобразовано в задачу машинного перевода, в которой продукты отображаются в молекулярные линейные нотации реагентов. В сочетании с корректором синтаксиса на основе нейронной сети наш метод достиг точности 59,0% на стандартном наборе тестовых данных, превзойдя другие методы глубокого обучения более чем на 21% и методы на основе шаблонов более чем на 6%. Более того, для соединений, отсутствовавших в обучающей выборке, наш метод оказался в 1,7 раза точнее других современных методов.