利用互补特征化改进分子预训练
机器学习
2022-10-03 v1 化学物理
生物大分子
摘要
分子预训练在海量无标签数据上学习分子表示，已成为解决计算化学与药物发现中各类任务的主流范式。近来，基于不同分子特征化（包括一维 SMILES 字符串、二维图与三维几何）的分子预训练取得了丰硕进展。然而，分子特征化及其对应神经架构在分子预训练中的作用仍基本未被审视。在本文中，通过两个案例研究——手性分类与芳香环计数——我们首先证明不同特征化技术传达化学信息的方式不同。鉴于此观察，我们提出一个简单而有效的具有互补特征化的分子预训练框架（MOCO）。MOCO 全面利用相互互补的多种特征化，在广泛的分子性质预测任务上优于仅依赖一种或两种特征化的现有最先进模型。
引用
@article{arxiv.2209.15101,
title = {Improving Molecular Pretraining with Complementary Featurizations},
author = {Yanqiao Zhu and Dingshuo Chen and Yuanqi Du and Yingze Wang and Qiang Liu and Shu Wu},
journal= {arXiv preprint arXiv:2209.15101},
year = {2022}
}
备注
24 pages, work in progress