تعتبر عمليات التخليق العكسي (Retrosynthesis) جزءاً أساسياً في مجالات اكتشاف الأدوية والتخليق العضوي. فقد شهدت نماذج التعلم العميق المستندة إلى البيانات تقدماً ملحوظاً، إلا أنها غالباً ما تتولى تعلم أنماط التفاعل من مجموعات بيانات ضخمة دون دمج فعّال لمعرفتنا الكيميائية التقليدية.

لذلك، نقدم لكم RetroMPA، وهو إطار معزز للمعرفة الكيميائية موجه نحو تعزيز دقة تنبؤات التخليق العكسي. لا يعمل RetroMPA كمولد مستقل لرموز SMILES، بل يمثل مرشحاً كيميائياً مبتكراً يستهدف تحسين المسارات المتنبؤ بها في الخوارزميات الحالية بشكل عام، مما يجعله قابلاً للتطبيق عبر عدد واسع من تقنيات التخليق العكسي.

يسمح RetroMPA بالتكامل بسلاسة مع مجموعة متنوعة من الأساليب القائمة على البيانات، محققاً تحسينات دون الحاجة لتعديل معمارية النموذج أو إعادة تدريب مكثفة. من خلال الاستفادة من مساحة تضمين خفية مدركة للخصائص، تم تحسين دقة التنبؤ وفقاً لمعدل التحسين البالغ 5.50% في النموذج الأول عبر ثمانية نماذج تمثيلية في مجموعة بيانات USPTO-50K.

علاوة على ذلك، تم إثبات قدرة RetroMPA على التوسع باستخدام مجموعة بيانات USPTO-Full الكبيرة، حيث حقق تحسيناً متوسطاً قدره 2.03% عبر كل من البنى بدون قوالب ومع قوالب. وقد أكدت التجارب بالمختبر فعالية هذا الإطار من خلال إثبات تفاعلات جديدة تبدو واعدة وتقليدية تشمل تفاعلات مثل اقتران سوزوكي-مياورا، وتفاعل بوشر، وأسيتيلايد فريدل-كرافت.

في الختام، يشير RetroMPA إلى إمكانية تجاوز مجرد ملاءمة البيانات ليكون أداة فعالة في تعزيز تنبؤات التخليق العكسي. كما يتوفر الكود مفتوح المصدر هنا. هل أنتم متحمسون لتطبيقات RetroMPA في مستقبل اكتشاف الأدوية؟ شاركونا آرائكم في التعليقات.