利用 E(3) 等变图神经网络预测碳水化合物 NMR 化学位移
机器学习
2023-11-22 v1 化学物理
摘要
碳水化合物是生物系统的重要组成部分,以其结构多样性而著称。核磁共振(NMR)光谱在理解其复杂分子排列方面起着关键作用,并且对于评估和验证有机分子的分子结构至关重要。该过程的一个重要部分是从分子结构预测 NMR 化学位移。本工作引入了一种利用 E(3) 等变图神经网络预测碳水化合物 NMR 谱的新方法。值得注意的是,与仅依赖二维分子结构的传统模型相比,我们的模型将平均绝对误差大幅降低了至多三倍。即使在数据有限的情况下,该模型也表现出色,凸显了其鲁棒性和泛化能力。其影响深远,不仅限于对碳水化合物结构和谱图解释的深入理解。例如,它可以加速药物应用、生物化学和结构生物学的研究,提供更快更可靠的分子结构分析。此外,我们的方法是迈向光谱学新数据驱动时代的关键一步,可能影响超出 NMR 的光谱技术。
引用
@article{arxiv.2311.12657,
title = {Carbohydrate NMR chemical shift predictions using E(3) equivariant graph neural networks},
author = {Maria Bånkestad and Keven M. Dorst and Göran Widmalm and Jerk Rönnols},
journal= {arXiv preprint arXiv:2311.12657},
year = {2023}
}
备注
13 pages, 9 figures, 2 tables