分子联合自编码：基于二维与三维扩散的轨迹预训练
机器学习
2023-12-07 v1 人工智能
生物大分子
摘要
近年来，人工智能在药物发现中的应用引起了机器学习与化学领域的日益关注。药物发现的基础构建块是分子几何结构，因此，分子的几何表示是更好地将机器学习技术应用于药物发现的主要瓶颈。在本工作中，我们提出了一种分子联合自编码预训练方法。MoleculeJAE 能够同时学习二维键（拓扑）与三维构象（几何）信息，并应用扩散过程模型来模拟这两种模态的增强轨迹，基于此，MoleculeJAE 将以自监督方式学习其内在的化学结构。因此，MoleculeJAE 中预训练的几何表示有望使下游几何相关任务受益。在实验中，通过与 12 个具有竞争力的基线进行对比，MoleculeJAE 在 20 项任务中的 15 项上达到了 SOTA 性能，证明了其有效性。
引用
@article{arxiv.2312.03475,
title = {Molecule Joint Auto-Encoding: Trajectory Pretraining with 2D and 3D Diffusion},
author = {Weitao Du and Jiujiu Chen and Xuecang Zhang and Zhiming Ma and Shengchao Liu},
journal= {arXiv preprint arXiv:2312.03475},
year = {2023}
}
备注
NeurIPS 2023