[論文レビュー] A Generative Model for Molecular Distance Geometry

Gregor N. C. Simm, José Miguel Hernández-Lobato|arXiv (Cornell University)|Sep 25, 2019

Machine Learning in Materials Science参考文献 41被引用数 10

ひとこと要約

この論文では、ユークリッド距離幾何学を用いたグラフニューラルネットワークと変分オートエンコーダーを組み合わせた生成モデル、GraphDGを紹介する。このモデルは分子のコンフォーメーション分布を学習し、1ショットコンフォーメーション生成において最先端の精度を達成するとともに、エネルギーおよびジポールモーメント予測などの主要な指標でRDKitやDL4Chemを上回る効率的な重要度サンプリングを可能にする。

ABSTRACT

Great computational effort is invested in generating equilibrium states for molecular systems using, for example, Markov chain Monte Carlo. We present a probabilistic model that generates statistically independent samples for molecules from their graph representations. Our model learns a low-dimensional manifold that preserves the geometry of local atomic neighborhoods through a principled learning representation that is based on Euclidean distance geometry. In a new benchmark for molecular conformation generation, we show experimentally that our generative model achieves state-of-the-art accuracy. Finally, we show how to use our model as a proposal distribution in an importance sampling scheme to compute molecular properties.

研究の動機と目的

• グラフ表現からの転送可能で1ショットの分子コンフォーメーション生成モデルの開発。
• 分子コンフォーメーション生成手法を評価するための新しいベンチマークの構築。
• 従来のMCMCおよびMD手法と比較して、サンプリングの効率性と正確性の向上。
• 重要度サンプリングにおける提案分布としてモデルを用いて分子性質の正確な推定を可能にする。
• 局所的な原子近傍構造を保持する低次元幾何的表現の学習。

提案手法

• モデルは、分子グラフ表現から原子間距離の集合を生成するための条件付き変分オートエンコーダー（CVAE）を用いる。
• 生成された距離集合を3次元コンフォーメーションに変換するために、ユークリッド距離幾何学（EDG）を用い、幾何的整合性を保証する。
• CVAEは、距離の分布を捉えるとともに、局所的な原子幾何構造を保持する潜在空間で訓練される。
• コンフォーメーション生成の正確性を評価するため、平均最大偏差距離指標を用いた新しいベンチマーク、Conf17を導入する。
• 電子的エネルギーおよびジポールモーメントなどの分子性質の推定に、モデルを重要度サンプリングの提案分布として用いる。
• 真のコンフォーメーションを用いた、多様なテストセット上でRDKitおよびDL4Chemと比較して評価される。

実験結果

リサーチクエスチョン

• RQ1 深層生成モデルは、高い正確性でグラフ表現からの分子コンフォーメーションの分布を学習できるか？
• RQ2 RDKit や DL4Chem といった既存手法と比較して、提案手法は構造的に正確なコンフォーメーションをどれほど効果的に生成できるか？
• RQ3 生成されたコンフォーメーションが、分子性質推定のための重要度サンプリングにおける提案分布としてどれほど有効に使えるか？
• RQ4 幾何的整合性と距離表現の影響は、コンフォーメーション生成の品質にどのように及ぶか？
• RQ5 特に構造的ばらつきを捉える能力に優れるか、モデルは多様な分子構造およびサイズにおいてどのように性能を発揮するか？

主な発見

• GraphDGは、Conf17ベンチマークにおいて平均最大偏差0.14 Åを達成し、最先端の性能を示した。これはRDKit（0.17 Å）およびDL4Chem（0.21 Å）を上回る。
• 83%の分子グラフに対して有効な3次元コンフォーメーションを生成したが、これはRDKitの成功率より7ポイント向上した。
• 分子性質推定において、電子的エネルギーの中央誤差は58.0 kJ/mol（RDKitは42.7 kJ/mol）であったが、両手法とも顕著な不正確さを示した。
• GraphDGのコンフォーメーションは真の値に最も近かったが、わずかに真の値より高い構造的ばらつきを示した。一方、DL4Chemは誤った角度予測によりほとんど無効な構造を生成した。
• GraphDGを提案分布として用いた重要度サンプリングでは、サンプルされた距離分布同士の重複が低く、多様性が高かったが、収束性についてはさらなる検討が必要であった。
• モデルは転送性とスケーラビリティに優れ、ISO17データセット上で平均1分子あたり50コンフォーメーションを1秒未塔で生成できた。MD法と比較すると、1コンフォーメーションあたり約1分を要するのと比べて顕著な高速化であった。