PEMP：利用物理属性增强分子性质预测
生物大分子
2022-11-04 v1 人工智能
机器学习
摘要
分子性质预测对药物发现至关重要。近年来，深度学习方法被引入该领域并取得了最先进的性能。然而，现有大多数方法忽略了分子性质之间的内在关联，而这些关联可用于提升相应预测任务的性能。在本文中，我们提出一种新方法，即物理属性增强的分子性质预测（PEMP），以利用先前物理理论与物理化学研究所揭示的分子性质之间的关系。具体而言，我们通过相关的物理属性预测任务来增强化学与生理属性预测器的训练。我们为 PEMP 设计了两种不同的方法，分别基于多任务学习与迁移学习。两种方法均包含一个与模型无关的分子表示模块和一个性质预测模块。在我们的实现中，我们分别采用监督学习范式与预训练范式下最先进的分子嵌入模型作为 PEMP 的分子表示模块。在公开基准 MoleculeNet 上的实验结果表明，所提方法能够超越相应的最先进模型。
引用
@article{arxiv.2211.01978,
title = {PEMP: Leveraging Physics Properties to Enhance Molecular Property Prediction},
author = {Yuancheng Sun and Yimeng Chen and Weizhi Ma and Wenhao Huang and Kang Liu and Zhiming Ma and Wei-Ying Ma and Yanyan Lan},
journal= {arXiv preprint arXiv:2211.01978},
year = {2022}
}
备注
9 pages. Published in CIKM 2022