Thesis (M.Sc)-Cairo University, 2024.

Bibliography: pages 73-80.

Generating new chemical compound with desired properties is a challenging task, but the application of discovering new candidate drug, is very important for pharmaceutical industries. In chemical graph theory, a molecule can be described as an undirected graph, in which nodes and edges are represented as atoms and chemical bonds respectively. All particles are interacting, but when a pair of atoms are stuck in a stable distance from each other, we say they share a covalent bond. Different pairs of atoms and bonds have different distances (e.g., single-bonds, double-bonds). It’s a very convenient and common abstraction to describe this 3D object as a graph, where nodes are atoms and edges are covalent bonds.
Graph neural networks are emerging and promising algorithms that recently have been receiving attention from researchers because of the expressive power of graphs. Also, it has the ability to model complex data structures, i.e., data generated from non-Euclidean domains and are represented as graphs with complex relationships and interdependency between objects. This complex structure has imposed significant challenges on existing machine learning algorithms, and this raised the need for neural networks to be leveraged.
Since 2D molecular generation showed some drawbacks, recent research showed that representing molecules as 3D graphs gives more accurate results (since it gives more realistic modeling for the actual molecule). Moreover, we in this work are using deep reinforcement learning to push the generation towards a molecule with desired traits.

إن إنتاج مركبات كيميائية جديدة ذات الخصائص المرغوبة مهمة صعبة، ولكن تطبيق اكتشاف مرشحات دواء جديدة مهم جدًا لصناعات الصيدلة. في نظرية الرسوم الكيميائية، يمكن وصف الجزيء كرسم غير موجه، حيث يتم تمثيل العقد والحواف على التوالي كذرات وروابط كيميائية. جميع الجزيئات تتفاعل، لكن عندما تكون زوجًا من الذرات متماسكتين في مسافة مستقرة بينهما، نقول إنهما يشتركان في رابط تساهمي. لأزواج مختلفة من الذرات والروابط مسافات مختلفة (مثل الروابط الفردية والروابط المزدوجة). إن وصف هذا الجسم ثلاثي الأبعاد كرسم بياني حيث تكون العقد الذرات والحواف الروابط التساهمية هو تجريد مريح وشائع للغاية.
الشبكات العصبية الرسومية هي خوارزميات ناشئة ومبشرة حظيت مؤخرًا باهتمام الباحثين بسبب القدرة التعبيرية للرسوم البيانية. كما أن لديها القدرة على نمذجة هياكل بيانات معقدة، أي بيانات تنشأ من المجالات غير الأقليدية ويتم تمثيلها كرسوم بيانية بعلاقات وتبعية معقدة بين الكائنات. لقد فرضت هذه الهيكلية المعقدة تحديات كبيرة على خوارزميات التعلم الآلي الحالية، وهو ما زاد من الحاجة إلى استغلال الشبكات العصبية.
نظرًا لأن إنشاء الجزيئات ثنائية الأبعاد أظهر بعض العيوب، أظهرت الأبحاث الأخيرة أن تمثيل الجزيئات على شكل رسوم بيانية ثلاثية الأبعاد يعطي نتائج أكثر دقة (نظرًا لأنه يقدم نمذجة أكثر واقعية للجزيء الفعلي). علاوة على ذلك، نحن في هذا العمل نستخدم التعلم التعزيزي العميق لدفع التوليف نحو جزيء ذو صفات مرغوبة.

Issues also as CD.

Text in English and abstract in Arabic & English.