【ICML2020】北大本科生提出基于图到图翻译的分子逆合成预测框架

新药发现（Drug Discovery）领域中的一个基础问题是预测目标分子的合成路线，即逆合成预测（Retrosynthesis Prediction）。现有的方法大多将给定的目标分子（产物）与许多化学反应模版匹配，从而预测可能的反应物。然而，模版匹配耗费大量的算力，并且这些方法在新数据集上的泛化能力也欠佳。本文提出了一种名为G2Gs的不依赖化学反应模版的方法。G2Gs通过一系列图变换，将产物分子转换（或称为翻译）到反应物分子。G2Gs首先通过一个反应中心预测模块，将产物分子分解为多个合成子。然后它通过一个变分图翻译模块，将每个合成子转换到最终的反应物分子。实验结果表明，本文提出的方法的性能远优于那些不依赖反应模版的方法。并且，G2Gs的性能与基于模版的方法相近，但它不依赖任何领域知识，也有更好的可扩展性。

本文第一作者史晨策是北大计算机科学技术系2016级本科生，也是第一届图灵班学生，获得北京大学信息科学技术学院“十佳”优秀本科毕业论文奖，已被MILA唐建教授录为研究生。