基于三维形状相似度的分子表示学习对比方法
机器学习
2022-11-07 v1 定量方法
摘要
分子形状与几何结构决定了关键的生物物理识别过程，然而许多图神经网络在分子性质预测中忽视了三维信息。在此，我们提出一种用于图神经网络的对比学习新流程——基于形状相似度的分子对比学习（MolCLaSS），其隐式地学习三维表示。MolCLaSS 不直接编码或靶向三维构象，而是匹配基于高斯叠加的相似度目标，以学习有意义的分子形状表示。我们展示了该框架如何自然捕捉二维表示无法获得的维度关键信息，并为骨架跃迁提供了归纳框架。
引用
@article{arxiv.2211.02130,
title = {A 3D-Shape Similarity-based Contrastive Approach to Molecular Representation Learning},
author = {Austin Atsango and Nathaniel L. Diamant and Ziqing Lu and Tommaso Biancalani and Gabriele Scalia and Kangway V. Chuang},
journal= {arXiv preprint arXiv:2211.02130},
year = {2022}
}