简读分享 | 王天朔 编辑 | 龙文韬
论文题目
Retrosynthetic reaction pathway prediction through neural machine translation of atomic environments
论文摘要
为目标分子设计有效的合成路线是有机合成中的一大挑战。原子环境是理想的、独立的、具有化学意义的构建块，提供了高分辨率的分子表示。作者的方法模仿化学推理，通过学习与化学反应相关的原子环境的变化来预测候选反应物。通过对候选反应物的仔细检查，证明了原子环境是研究反应路线预测和发现的有前景的描述符。在这里，作者提出了一种新的单步反向合成预测方法，即RetroTRAE，在USPTO测试数据集上达到了58.3%的top-1，并且在包含高度相似的类似物的情况下，top-1达到61.6%，优于其他最先进的基于神经机器翻译的方法。作者的方法引入了一种新的方案，将碎片化和拓扑描述符的分子表示方式， 用作逆合成预测任务的输入。
论文链接
https://www.nature.com/articles/s41467-022-28857-w
