用于分子结构-性质关系预测的图神经网络
生物大分子
2024-01-17 v1 机器学习
最优化与控制
摘要
分子性质预测在药物发现、分子生物学或材料与工艺设计等诸多学科中至关重要。常用的定量结构-性质/活性关系（QSPRs/QSARs）通过描述符刻画分子，然后借助线性或非线性模型将其映射到感兴趣的性质。相比之下，图神经网络（GNN）作为一种新颖的机器学习方法，直接在分子图上工作，即一种原子对应节点、化学键对应边的图表示。GNN 允许以端到端方式学习性质，从而避免了 QSPRs/QSARs 中对信息量丰富描述符的需求。GNN 已在多种性质预测任务上取得最先进的预测性能，并构成一个活跃的研究领域。我们阐述 GNN 的基本原理，并通过两个分子性质预测示例展示 GNN 的应用。
引用
@article{arxiv.2208.04852,
title = {Graph neural networks for the prediction of molecular structure-property relationships},
author = {Jan G. Rittig and Qinghe Gao and Manuel Dahmen and Alexander Mitsos and Artur M. Schweidtmann},
journal= {arXiv preprint arXiv:2208.04852},
year = {2024}
}