MARS: 모티프 기반 회귀모델을 이용한 역합성 예측

역합성은 약물 탐색의 주요 과제입니다. 기존의 많은 접근 방식에서 역합성은 그래프 생성 문제로 정식화됩니다. 구체적으로, 이러한 방법들은 먼저 반응 중심을 식별하고, 이를 바탕으로 목표 분자를 분해하여 합성자(synthons)를 생성합니다. 반응물은 합성자 그래프에 원자를 순차적으로 추가하거나 직접 적절한 이탈기(leaving groups)를 추가하여 생성됩니다. 그러나, 원자를 추가하는 전략은 긴 예측 시퀀스를 초래하여 생성 난이도가 증가하고, 이탈기를 추가하는 전략은 훈련 세트에 포함된 이탈기만 고려할 수 있어 일반화 성능이 떨어지는 문제가 있습니다. 본 논문에서는 역합성 예측을 위한 새로운 엔드투엔드(end-to-end) 그래프 생성 모델을 제안합니다. 이 모델은 반응 중심을 순차적으로 식별하고, 합성자를 생성하며, 합성자에 모티브(motifs)를 추가하여 반응물을 생성합니다. 화학적으로 의미 있는 모티브는 원자보다 크고 이탈기보다 작기 때문에, 본 방법론은 원자를 추가하는 것보다 낮은 예측 복잡도와 이탈기를 추가하는 것보다 우수한 일반화 능력을 제공합니다. 벤치마크 데이터셋에서 수행한 실험 결과, 제안된 모델이 기존 최신 알고리즘들보다 유의미하게 우수한 성능을 보임을 확인할 수 있었습니다.