化学压缩揭示功能基团
机器学习
2025-11-11 v1 人工智能
信息论
math.IT
摘要
我们引入首个大规模评估传统化学功能基团在化学解释中的实用性。该评估运用计算学习理论的基本原则：对数据的良好解释也应压缩数据。我们引入一种基于最小消息长度（MML）原则的无监督学习算法，搜索压缩约三百万个生物学相关分子的次结构。我们展示发现的次结构包含大多数人工 curate 的功能基团以及具有更具体功能的新型更大模式。我们还在 24 个特定生物活性预测数据集上运行该算法，以发现数据集特定的功能基团。由数据集特定功能基团构建的指纹在训练岭回归模型时，用于生物活性回归任务时，显著优于其他指纹表示，包括 MACCS 指纹和 Morgan 指纹。
引用
@article{arxiv.2511.05728,
title = {Compressing Chemistry Reveals Functional Groups},
author = {Ruben Sharma and Ross D. King},
journal= {arXiv preprint arXiv:2511.05728},
year = {2025}
}