利用子结构取代规则信息框架提升分子性质回归模型的准确性与泛化能力
摘要
人工智能（AI）辅助药物发现是一个活跃的研究领域，但 AI 模型在分子性质预测的回归任务中往往准确率较差，且对于分布外（OOD）分子表现极差。在此，我们提出 MolRuleLoss，一个子结构取代规则信息框架，可提升 GEM 和 UniMol 等多种分子性质回归模型（MPRM）在多样化分子性质预测任务中的准确性与泛化能力。MolRuleLoss 将子结构取代规则的偏导数约束整合到 MPRM 的损失函数中。当使用 GEM 模型预测亲脂性、水溶性和溶剂化自由能（使用 MoleculeNet 的 lipophilicity、ESOL 和 freeSolv 数据集）时，加入与不加入 MolRuleLoss 的均方根误差（RMSE）值分别为 0.587 vs. 0.660、0.777 vs. 0.798 和 1.252 vs. 1.877，性能提升达 2.6-33.3%。我们表明，SSR 的数量和质量均对向 MPRM 添加 MolRuleLoss 所带来的预测准确性提升幅度有贡献。在亲脂性预测任务中，MolRuleLoss 提高了 MPRM 对“活性悬崖”分子的泛化能力，并在熔点预测任务中提高了 MPRM 对 OOD 分子的泛化能力。在针对 OOD 分子的分子量预测任务中，MolRuleLoss 将 GEM 模型的 RMSE 值从 29.507 降至 0.007。我们还提供了形式化证明，表明 SSR 性质变化的上限与 MPRM 的误差正相关。总之，我们表明将 MolRuleLoss 框架作为插件使用可提升多种 MPRM 的预测准确性与泛化能力，支持化学信息学和 AI 辅助药物发现等领域的多样化应用。
引用
@article{arxiv.2511.08314,
title = {Improving the accuracy and generalizability of molecular property regression models with a substructure-substitution-rule-informed framework},
author = {Xiaoyu Fan and Lin Guo and Ruizhen Jia and Yang Tian and Zhihao Yang and Weihao Li and Boxue Tian},
journal= {arXiv preprint arXiv:2511.08314},
year = {2026}
}
备注
Author information updated: add co-author Weihao Li (affiliation:Department of Statistics and Data Science, Tsinghua University, Beijing, 100084, China). Weihao Li proposed constructive revision suggestions for section on Proof of "Tian Conjecture"