深度药物编码器（DeepDrugCoder, DDC）：分子编码与新颖生成的异构编码器

深度药物编码器（DeepDrugCoder, DDC）：分子编码与新颖生成的异构编码器

Deep-Drug-CoderA tensorflow.keras generative neural network for de novo drug design, first-authored in Nature Machine Intelligence while working at AstraZeneca.项目地址:https://gitcode.com/gh_mirrors/de/Deep-Drug-Coder

注意：当前代码仅支持tensorflow-gpu 2.0及以上版本。

在药物研发的数字前沿，DeepDrugCoder (DDC) 开源项目正引领一场革命。结合深度学习的力量，它解决了药物设计领域中一个关键挑战——从无到有地生成目标导向的分子结构。DDC基于论文《直接指导条件递归神经网络用于新型分子生成》的理念，将复杂的化学描述符和QSAR（定量结构活性关系）生物活性标签融入初始LSTM状态，以生成聚焦于特定属性的SMILES字符串。本文将为您揭示DDC的魅力所在。

项目介绍

DDC是一个基于条件递归神经网络（cRNN）的工具包，专为解决逆QSAR问题而设计。不同于传统的依赖于反复优化候选分子的方法，DDC直接训练模型对特定分子描述符做出响应，从而能够在化学空间中精准导航，生成针对性更强且多样化的分子结构。无论是进行骨架跃迁还是生成类似物系列，DDC都能发挥其独特优势。

技术分析

DDC的核心在于其智能融合的cRNN架构，该架构利用了LSTM单元的强大记忆功能，以及分子描述符的丰富化学信息。通过预先加载分子特征，并将其作为初始状态引导生成过程，DDC能在保留连续性的同时，实现对分子生成过程的精细化控制。此外，这一框架的引入，标志着从指纹到分子解码成为可能，生成的分子与原始指纹对应的化合物极为相似，甚至一致。

应用场景

• 药物发现：通过直接指向具有特定生物活性的分子区域，加速药物筛选和优化过程。
• 材料科学：寻找具有特定物理或化学特性的新材料，如高效能催化剂

Deep-Drug-CoderA tensorflow.keras generative neural network for de novo drug design, first-authored in Nature Machine Intelligence while working at AstraZeneca.项目地址:https://gitcode.com/gh_mirrors/de/Deep-Drug-Coder