Double-Ended Synthesis Planning with Goal-Constrained Bidirectional Search

要約

コンピュータ支援合成計画（CASP）アルゴリズムは、低〜中程度の複雑さの分子への逆合成経路の計画において、専門家レベルの能力を実証してきた。しかし、現在の探索手法は、任意の構成要素に到達すれば十分であると仮定しており、特定の分子を使用することが望ましいという現実世界における一般的な制約に対処できていない。このため、我々は出発物質制約のある合成計画の定式化を提示する。この定式化の下で、我々は、制約充足性を保証するために、目標出発材料からの展開と目標出発材料からの展開を交互に行う双方向グラフ探索方式の新しいCASPアルゴリズムであるダブルエンド合成計画（DESP）を提案する。この探索アルゴリズムは、部分的に観測された有効な化学反応のハイパーグラフからオフラインで学習されたゴール条件付きコストネットワークによって導かれる。我々は、複数の新しいベンチマークにおいて、専門家のゴールに向かって合成計画を偏らせることにより、解答率を改善し、探索拡張の回数を減らすDESPの有用性を実証する。DESPは、既存のワンステップ逆合成モデルを利用することができ、これらのワンステップモデルの性能が向上するにつれて、その性能もスケールアップすることが期待される。

要約(オリジナル)

Computer-aided synthesis planning (CASP) algorithms have demonstrated expert-level abilities in planning retrosynthetic routes to molecules of low to moderate complexity. However, current search methods assume the sufficiency of reaching arbitrary building blocks, failing to address the common real-world constraint where using specific molecules is desired. To this end, we present a formulation of synthesis planning with starting material constraints. Under this formulation, we propose Double-Ended Synthesis Planning (DESP), a novel CASP algorithm under a bidirectional graph search scheme that interleaves expansions from the target and from the goal starting materials to ensure constraint satisfiability. The search algorithm is guided by a goal-conditioned cost network learned offline from a partially observed hypergraph of valid chemical reactions. We demonstrate the utility of DESP in improving solve rates and reducing the number of search expansions by biasing synthesis planning towards expert goals on multiple new benchmarks. DESP can make use of existing one-step retrosynthesis models, and we anticipate its performance to scale as these one-step model capabilities improve.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL