ChiENN：以图神经网络接纳分子手性
机器学习
2023-07-11 v2 定量方法
摘要
图神经网络（GNNs）在许多深度学习问题中发挥着基础性作用，尤其在化学信息学中。然而，典型的 GNN 无法捕捉手性的概念，这意味着它们不能区分一个化合物的 3D 图与其镜像（对映异构体）。区分对映异构体的能力尤为重要，尤其是在药物发现中，因为对映异构体可能具有极为不同的生化性质。本文中，我们提出一种有理论依据的消息传递方案，使 GNN 对节点邻居的顺序敏感。我们在分子手性背景下应用该通用概念，构建了手性边神经网络（ChiENN）层，其可附加于任意 GNN 模型以赋予手性感知能力。我们的实验表明，在对手性敏感的分子性质预测任务中，为 GNN 添加 ChiENN 层优于当前最先进的方法。
引用
@article{arxiv.2307.02198,
title = {ChiENN: Embracing Molecular Chirality with Graph Neural Networks},
author = {Piotr Gaiński and Michał Koziarski and Jacek Tabor and Marek Śmieja},
journal= {arXiv preprint arXiv:2307.02198},
year = {2023}
}