MolCAP：基于化学反应性预训练与提示微调增强的分子表征学习
生物大分子
2023-06-16 v1 人工智能
机器学习
摘要
分子表征学习（MRL）是药物发现的一项基础任务。然而，以往的深度学习（DL）方法过度聚焦于通过以掩码为主的预训练框架学习鲁棒的分子内表征，忽视了已被证明是各类分子性质预测任务决定性因素的丰富化学反应性分子关系。在此，我们提出 MolCAP 以促进 MRL，这是一种基于化学反应性（IMR）知识、带提示微调的图预训练 Transformer。结果表明，在跨越多种生物医学任务的 13 个公开分子数据集上，MolCAP 优于基于传统分子预训练框架的对比方法。在 MolCAP 提示下，即便基础的图神经网络也能取得超越以往模型的惊人性能，表明将反应性信息应用于 MRL 的良好前景。此外，人工设计的分子模板有潜力揭示数据集偏差。总之，我们期望我们的 MolCAP 能为药物发现的完整过程获得更具化学意义的见解。
引用
@article{arxiv.2306.09187,
title = {MolCAP: Molecular Chemical reActivity pretraining and prompted-finetuning enhanced molecular representation learning},
author = {Yu Wang and JingJie Zhang and Junru Jin and Leyi Wei},
journal= {arXiv preprint arXiv:2306.09187},
year = {2023}
}