用于三维大分子结构的等变图神经网络
机器学习
2021-07-14 v2 生物大分子
摘要
表示并推理大分子的三维结构正成为机器学习中一个独特的挑战。在此，我们扩展了近期关于几何向量感知机的工作，并将等变图神经网络应用于结构生物学中的广泛任务。我们的方法在 ATOM3D 基准的八项任务中有三项优于所有参考架构，在另外两项上与最优持平，并且与使用高阶表示和球谐卷积的等变网络具有竞争力。此外，我们展示了迁移学习可进一步提升某些下游任务的性能。代码见 https://github.com/drorlab/gvp-pytorch。
引用
@article{arxiv.2106.03843,
title = {Equivariant Graph Neural Networks for 3D Macromolecular Structure},
author = {Bowen Jing and Stephan Eismann and Pratham N. Soni and Ron O. Dror},
journal= {arXiv preprint arXiv:2106.03843},
year = {2021}
}
备注
WCB @ ICML 2021 + link to code