Croissance de chaînes dans un espace de réaction chimique pour la recherche de voies de rétrosynthèse

Résumé Les algorithmes d'apprentissage machine ont montré une grande précision dans la prédiction des résultats des réactions chimiques et des rétrosynthèses. Cependant, la conception des voies de synthèse reste un défi pour les modèles d'apprentissage machine existants qui sont formés pour la prédiction en une seule étape. Dans ce manuscrit, nous proposons de reformuler le problème de rétrosynthèse comme un problème d'optimisation de chaîne dans un espace de empreinte numérique orienté par les données, en tirant parti de la similarité entre les réactions chimiques et les vecteurs d'embedding. En nous basant sur cette prémisse, la synthèse complexe multi-étape peut être conceptualisée comme des séquences qui lient des vecteurs multidimensionnels (empreintes) représentant des étapes individuelles de réactions chimiques. Nous avons extrait un vaste corpus de synthèse chimique à partir de brevets et les avons convertis en chaînes multidimensionnelles. Lors de l'optimisation du chemin rétrosynthétique, nous utilisons la métrique euclidienne pour minimiser la distance entre la trajectoire étendue de la chaîne de rétrosynthèse croissante et le corpus de chaînes extraites. Ce faisant, nous favorisons l'assemblage de voies synthétiques qui, dans l'espace des réactions chimiques, seront plus similaires aux rétrosynthèses existantes, héritant ainsi des directives stratégiques conçues par des experts humains. Nous avons intégré cette approche dans la plateforme RXN (https://rxn.res.ibm.com/) et présentons l'application de la méthode à la synthèse complexe ainsi que sa capacité à produire de meilleures stratégies synthétiques que les méthodologies actuelles.