基于多特征图注意力网络的分子气味预测
机器学习
2025-02-04 v1 定量方法
摘要
嗅觉感知在人类和生物体的相互作用中发挥着关键作用，但关于其背后机制及影响因素的了解仍不足。分子结构通过复杂的生化相互作用影响气味感知，准确量化结构-气味关系 presents 显著挑战。定量结构-气味关系（QSOR）任务旨在解决这些挑战，预测分子结构与其对应气味之间的关联。为此，我们提出一种用于 QSOR 的方法，利用图注意力网络（Graph Attention Networks）建模分子结构，捕捉局部和全局特征。不同于依赖预定义描述符的传统 QSOR 方法， our 方法利用多样化的分子特征提取技术，自动学习全面表示。这种集成增强了模型处理复杂分子信息的能力，提高了预测准确性。我们的 approach 在 QSOR 预测任务中表现出明显优势，为深度学习在计算化学中的应用提供了有价值的见解。
引用
@article{arxiv.2502.01430,
title = {Molecular Odor Prediction Based on Multi-Feature Graph Attention Networks},
author = {HongXin Xie and JianDe Sun and Yi Shao and Shuai Li and Sujuan Hou and YuLong Sun and Jian Wang},
journal= {arXiv preprint arXiv:2502.01430},
year = {2025}
}