MolGraph：一个用 TensorFlow 和 Keras 实现分子图与图神经网络的 Python 包
机器学习
2023-09-06 v4 定量方法
摘要
分子机器学习（ML）已被证明对解决各类分子问题十分重要，例如基于分子描述符或指纹预测分子性质。自相对近期起，图神经网络（GNN）算法已被用于分子 ML，展现出与基于描述符或指纹方法相当或更优的性能。尽管已有多种工具和包可在分子 ML 中应用 GNN，本研究仍开发了一个名为 MolGraph 的新 GNN 包，动机在于创建与 TensorFlow 和 Keras 应用程序编程接口（API）高度兼容的 GNN 模型流水线。MolGraph 还实现了化学模块，以支持小分子图的生成，这些图可传入 GNN 算法以解决分子 ML 问题。为验证 GNN，它们在 MoleculeNet 数据集及三个色谱保留时间数据集上进行了基准测试。这些基准的结果表明 GNN 表现符合预期。此外，GNN 被证明有助于分子识别并提升色谱保留时间数据的可解释性。MolGraph 可在 https://github.com/akensert/molgraph 获取。安装、教程与实现细节见 https://molgraph.readthedocs.io/en/latest/。
引用
@article{arxiv.2208.09944,
title = {MolGraph: a Python package for the implementation of molecular graphs and graph neural networks with TensorFlow and Keras},
author = {Alexander Kensert and Gert Desmet and Deirdre Cabooter},
journal= {arXiv preprint arXiv:2208.09944},
year = {2023}
}
备注
14 pages, 4 figures, 4 tables