解釈可能な薬物らしさと部分構造の条件で誘導する拡散モデルが、制御可能な分子グラフ生成を実現
- GCMDiffはSMILES文字列ではなく、原子対と結合を中心とした表現で分子をグラフとして生成し、トポロジーを明示的に扱う。
- 拡散過程は、原子数、五則に基づく性質、Checkmol・PubChem・Rings in Drugsの記述子に由来する部分構造特徴といった解釈可能な条件で誘導される。
- 生成分子についてベンチマーク実験が報告されているが、フィード抜粋は途中で切れており、それ以外の検証や他の生成モデルとの比較は記載されていない。
💡 ポイント アブストラクトに基づく見解
五則に基づく性質での条件付けは一番面白みのないつまみだ。うちのプロジェクトが躓くのはlogPではなく活性と合成である。部分構造の条件付けが意味を持つのは、フラグメントやファーマコフォアの制約を確実に守らせられる場合だけだ。前向きの合成やアッセイのデータがなく、既存のグラフ拡散モデルとの比較も不明では、SMILES生成器にフィルターを足した方法を上回るのか判断できない。コードが公開されているかが試すかどうかの分かれ目になる。