两篇新的研究论文介绍了一种用于增强有机合成和药物发现中逆合成预测的新颖框架。RetroMPA是一个分子属性感知辅助框架，可作为即插即用模块，通过注入化学知识来改进现有的深度学习模型，在USPTO-50K数据集上平均准确率提高了5.50%。ConfRetro是一种3D感知无模板方法，利用分子构象信息和空间结构，通过专门的注意力机制，在相同数据集上实现了新的最先进性能。 AI
影响 这些进展可以通过提高AI预测反应路径的准确性和化学合理性来加速药物发现和有机合成。
排序理由 两篇在arXiv上发表的学术论文，详细介绍了AI驱动的逆合成预测新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.16111v1 Announce Type: cross Abstract: Retrosynthesis is a cornerstone of drug discovery and organic synthesis. While data-driven deep learning models have shown remarkable progress, they autonomously learn reaction patterns from extensive datasets with limited integra…
arXiv:2501.12434v3 Announce Type: replace-cross Abstract: Motivation: Retrosynthesis plays a crucial role in organic synthesis and drug discovery, focusing on identifying a set of reactants capable of synthesizing a target product molecule. Although the existing approaches have s…