图神经网络与经典特征提取技术在活跃 cliff 与分子性质预测中的探究
机器学习
2024-11-22 v1 生物大分子
机器学习
摘要
分子特征化指将分子数据转换为数值特征向量，是分子机器学习与计算药物发现的关键研究领域之一。近期，基于消息传递的图神经网络(GNNs)涌现为从分子图中直接学习可微分特征的新方法。尽管此类技术充满潜力，但仍需进一步探究其是否及时机会上确实超越经典分子特征化方法，如延伸连接指纹(ECFPs)和物理化学描述符向量(PDVs)。我们系统性地探索并进一步发展经典与图基分子特征化方法，用于两个重要任务：分子性质预测，特别是定量结构活性关系(QSAR)预测，以及 largely 未探索的活跃 cliff(AC)预测挑战。我们首先给出PDVs、ECFPs和基于消息传递的GNNs的技术描述与批判性分析，重点关注图等价网络(GINs)。随后，我们进行严格的计算研究，比较PDVs、ECFPs和GINs在QSAR和AC预测中的性能。随后，我们数学描述并计算评估一种 novel twin 神经网络模型用于AC预测。我们进一步引入一种称为子结构池化(substructure pooling)的算子，用于将结构指纹向量化，作为GNN架构中图池化的自然对应物。我们提出Sort & Slice，一种简单且稳健的 ECFP子结构池化技术，显著优于基于散列的折叠技术，用于分子性质预测。最后，我们概述两种未来研究思路：(i) 基于图的自监督学习策略，使经典分子特征化方法可训练化；(ii) 通过可微分自注意力实现可训练子结构池化。
引用
@article{arxiv.2411.13688,
title = {Investigating Graph Neural Networks and Classical Feature-Extraction Techniques in Activity-Cliff and Molecular Property Prediction},
author = {Markus Dablander},
journal= {arXiv preprint arXiv:2411.13688},
year = {2024}
}
备注
Doctoral Thesis (Mathematical Institute, University of Oxford)