MARS: एक मेटाफ़ॉक्स आधारित स्व-क्रमानुसार मॉडल जो रेट्रोथिनेसिस भविष्यवाणी के लिए है

अवधारणा प्रेरणा रेट्रोथिनेसिस दवा खोज में एक महत्वपूर्ण कार्य है, जिसका उद्देश्य एक दिए गए लक्ष्य अणु के संश्लेषण के लिए एक व्यवहार्य मार्ग खोजना है। कई मौजूदा दृष्टिकोण इस कार्य को एक ग्राफ़-उत्पन्न समस्या के रूप में एक ढांचे में रखते हैं। विशेष रूप से, ये तरीक़े पहले प्रतिक्रिया केंद्र की पहचान करते हैं, और लक्षित अणु को तदनुसार तोड़ते हैं ताकि संश्लेषक उत्पन्न हो सकें। प्रतिक्रिया सामग्री या तो संश्लेषक ग्राफ़ में क्रमागत रूप से परमाणु जोड़कर या सीधे उपयुक्त छोडने वाले समूह जोड़कर उत्पन्न होती हैं। हालाँकि, इन दोनों रणनीतियों की सीमाएँ हैं। परमाणु जोड़ने से एक लंबी भविष्यवाणी अनुक्रम बनता है जो निर्माण की जटिलता को बढ़ाता है, जबकि छोड़ने वाले समूहों को जोड़ने से केवल उन पर विचार किया जाता है जो प्रशिक्षण सेट में होते हैं, जो खराब सामान्यीकरण की ओर ले जाता है। परिणाम इस लेख में, हम रेट्रोथिनेसिस भविष्यवाणी के लिए एक नई अंत-से-अंत ग्राफ़ निर्माण मॉडल का प्रस्ताव करते हैं, जो धीरे-धीरे प्रतिक्रिया केंद्र की पहचान करता है, संश्लेषक उत्पन्न करता है, और प्रतिक्रिया सामग्री उत्पन्न करने के लिए संश्लेषकों में मेटाफ़ॉक्स जोड़ता है। यह देखते हुए कि रासायनिक रूप से अर्थपूर्ण मेटाफ़ॉक्स परमाणुओं और छोड़ने वाले समूहों के बीच आकार में आते हैं, हमारा मॉडल परमाणु जोड़ने की तुलना में कम भविष्यवाणी जटिलता प्राप्त करता है और छोड़ने वाले समूहों को जोड़ने की तुलना में बेहतर प्रदर्शन करता है। हम अपने प्रस्तावित मॉडल का मूल्यांकन एक बेंचमार्क डेटा सेट पर करते हैं और दिखाते हैं कि यह पिछले सर्वोत्तम स्थिति के मॉडल से महत्वपूर्ण रूप से बेहतर है। इसके अतिरिक्त, हम बेंचमार्क डेटा सेट पर समग्र प्रदर्शन के लिए हमारे प्रस्तावित मॉडल के प्रत्येक घटक के योगदान की जांच करने के लिए एब्लेशन अध्ययन करते हैं। प्रयोग के परिणाम हमारी मॉडल की रेट्रोथिनेसिस मार्गों की भविष्यवाणी में प्रभावशीलता को प्रदर्शित करते हैं और दवा खोज में एक मूल्यवान उपकरण के रूप में इसके संभावित उपयोग का सुझाव देते हैं। उपलब्धता और कार्यान्वयन सभी कोड और डेटा https://github.com/szu-ljh2020/MARS पर उपलब्ध हैं।