机器学习在有机化学中的应用

被引：17

作者：

刘伊迪

杨骐

李遥

张龙

罗三中

机构：

[1] 清华大学化学系基础分子科学中心

来源：

有机化学 | 2020年 / 40卷 / 11期

关键词：

机器学习; 分子描述符; 算法; 化学性质预测; 分子从头设计; 化学反应预测; 逆合成分析;

D O I：

暂无

中图分类号：

O621 [有机化学一般性问题]; TP181 [自动推理、机器学习];

学科分类号：

070303 ; 081704 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

近年来,由于计算能力、大数据和算法的不断进步,人工智能(Artificial intelligence, AI)重新兴起,已成为诸多研究领域变革性发展背后的重要推动力.机器学习(Machine learning,ML)是人工智能一个重要的研究领域.随着化学信息学的发展,机器学习在化学领域展现出巨大的发展潜力,也为有机化学的发展带来了新的机遇.为帮助有机化学家了解这一新兴领域,对如何将机器学习策略应用于有机化学研究做简单介绍,同时,概括总结了机器学习在化合物性质预测、分子从头设计、化学反应预测、逆合成分析和智能合成机器方面的应用实例,分析讨论了当前机器学习在有机化学领域面临的挑战和难题.

引用

页码：3812 / 3827

页数：16

共 35 条

[1] 人工智能在药物发现中的应用与挑战 [J].

梁礼 ;

邓成龙 ;

张艳敏 ;

滑艺 ;

刘海春 ;

陆涛 ;

陈亚东 .

药学进展, 2020, 44 (01) :18-27

[2]

A neural network protocol for predicting molecular bond energy[J]. Chao Feng,Edward Sharman,Sheng Ye,Yi Luo,Jun Jiang.Science China(Chemistry). 2019(12)

[3] 深度学习在药物设计与发现中的应用 [J].

李伟 ;

杨金才 ;

黄牛 .

药学学报, 2019, 54 (05) :761-767

[4] 基于实验数据和反应机理的手性催化剂理性设计 [J].

李遥 ;

罗三中 .

有机化学, 2018, 38 (09) :2363-2376

[5] 大数据时代的药物设计与药物信息 [J].

孙潭霖 ;

裴剑锋 .

科学通报, 2015, 60 (08) :689-693

[6]

机器学习[M]. 清华大学出版社 , 周志华, 2016

[7]

Visualizing convolutional neural network protein-ligand scoring[J] . Joshua Hochuli,Alec Helbling,Tamar Skaist,Matthew Ragoza,David Ryan Koes.Journal of Molecular Graphics and Modelling . 2018

[8]

Predicting reaction performance in C–N cross-coupling using machine learning[J] . Derek T. Ahneman,Jesu?s G. Estrada,Shishi Lin,Spencer D. Dreher,Abigail G. Doyle.Science . 2018 (6385)

[9] Automatic Chemical Design Using a Data-Driven Continuous Representation of Molecules [J].