8-4 分子网络表征

背景与挑战

新药研发成本高昂，周期长，失败率高，EroomsLaw法则指出制药成本持续增加。药物设计中，分子和蛋白质是主要研究对象，通常转化为图结构用GNN处理。

相关工作

1. 分子性质预测

   • 图神经网络（GNN）：GCN、GAT、GIN等模型通过消息传递机制预测分子性质。
   • 物理基础表示：利用密度泛函理论（DFT）和球面贝塞尔函数（SBF）进行性质预测，准确率提升超过31%，计算速度提升8倍。
   • 方向信息引入：Directional Message Passing区分不同环结构，球面消息传递引入更多方向信息（距离、角度、俯仰角）。

2. 分子生成

   • 基于文本的生成：使用Transformer生成SMILES文本，但文本表示无法表达分子相似性和化学合理性。
   • 基于图的生成：Junction Tree Variational Autoencoder（VAE）通过两阶段生成分子图，显著提升生成分子的有效性和评分。
   • 3D分子生成：GEOMOL通过预测键长和旋转角生成3D分子，考虑化学键约束，提高生成分子的几何合理性。

3. 分子表征学习

   • 自监督学习：InfoGraph等方法在图网络上进行自监督学习，提升下游任务性能。
   • 几何增强表征：GEM模型利用分子的几何结构信息（键长、键角）进行自监督预训练，学习更好的表示，提升属性预测性能。

本研究工作

1. 基于半监督主动学习的分子性质预测

   • ASGN模型：使用teacher-student模型结合半监督学习和主动数据选取，缓解对有标签数据的需求，在QM9和OPV数据集上显著提升性能。

2. 基于motif多尺度自监督表征学习

   • Motif-based GNN：通过BRICS算法分割分子网络形成Motif Tree，自回归方式预训练GNN，捕捉多尺度信息，提升属性预测性能。

3. 基于子图Prototype的自解释图卷积网络

   • ProtGNN模型：通过Prototype Learning实现自解释，结合聚类和分离损失，提升图分类任务的性能和可解释性。

4. 基于几何结构的蛋白质-配体结合亲和力预测

   • 问题：蛋白质尺度过大，忽略全局信息和长程相互作用，未区分分子间和分子内相互作用。
   • 方法：结合蛋白质生物学性质和几何结构，提升结合亲和力预测的准确性。

结论

本研究通过半监督主动学习、motif多尺度自监督表征学习、子图Prototype自解释图卷积网络和几何结构结合等方法，显著提升了分子性质预测、分子生成和蛋白质-配体结合亲和力预测的性能和可解释性，为药物设计领域提供了高效且可靠的解决方案。