[論文レビュー] Conditional $β$-VAE for De Novo Molecular Generation

Ryan J Richards, Austen M Groener|arXiv (Cornell University)|May 1, 2022

Computational Drug Discovery Methods被引用数 5

ひとこと要約

本稿では、自己再構成と潜在空間の分離性を向上させるために、相互情報量駆動型学習を用いた条件付きβ-VAEを提案する。pLogP や QED といった分子性質を条件として潜在空間に組み込むことで、ZINC-250k データセットにおける制約なし最適化ベンチマークで最先端性能を達成し、ペナルティ付きLogP（104.29）で新たなSOTAを樹立するとともに、有効性、新規性、一意性スコアにおいてもSOTAを達成した。

ABSTRACT

Deep learning has significantly advanced and accelerated de novo molecular generation. Generative networks, namely Variational Autoencoders (VAEs) can not only randomly generate new molecules, but also alter molecular structures to optimize specific chemical properties which are pivotal for drug-discovery. While VAEs have been proposed and researched in the past for pharmaceutical applications, they possess deficiencies which limit their ability to both optimize properties and decode syntactically valid molecules. We present a recurrent, conditional $β$-VAE which disentangles the latent space to enhance post hoc molecule optimization. We create a mutual information driven training protocol and data augmentations to both increase molecular validity and promote longer sequence generation. We demonstrate the efficacy of our framework on the ZINC-250k dataset, achieving SOTA unconstrained optimization results on the penalized LogP (pLogP) and QED scores, while also matching current SOTA results for validity, novelty and uniqueness scores for random generation. We match the current SOTA on QED for top-3 molecules at 0.948, while setting a new SOTA for pLogP optimization at 104.29, 90.12, 69.68 and demonstrating improved results on the constrained optimization task.

研究の動機と目的

• 変分オートエンコーダーのde novo分子生成性能を、潜在空間の分離性を高めることで向上させること。
• 標準的なVAEが有効で多様性に富んだ分子や特性最適化分子を生成する点で抱える限界を解消すること。
• 潜在変数とターゲット特性の間の事後相互情報量を最大化するように、KL正則化項の重みを動的に調整する学習プロトコルを開発すること。
• pLogP や QED といった分子特性を効果的に後処理で最適化できるように、構造化された潜在空間の条件付けを可能にすること。
• pLogP や QED にとどまらず、任意の分子特性を最適化可能なカスタマイズ可能で拡張可能なフレームワークを構築すること。

提案手法

• pLogP や QED といったターゲット分子特性を条件として用いる再帰的で条件付きのβ-VAEアーキテクチャを提案する。
• 潜在コードとターゲット特性の間の事後相互情報量を最大化するように、自動的にKL正則化項の重みを調整する相互情報量駆動型学習プロトコルを導入する。
• データ拡張と修正されたβ-VAE目的関数を適用することで、分子の有効性を向上させるとともに、より長いシーケンスの生成を可能にする。
• 最適化中の分子類似度評価に、RDKFingerprintsを用いてタニモト類似度を計算する。
• pLogPスコアと類似度ペナルティを組み合わせた報酬関数を用い、多様性を維持しながら最適化をガイドする。
• 潜在表現の事後分布に対して2次元PCAを適用し、潜在空間における構造的クラスタリングと特性ベースのクラスタリングを可視化する。

実験結果

リサーチクエスチョン

• RQ1 相互情報量駆動型学習を用いた条件付きβ-VAEは、分子特性最適化のための潜在空間のより良い分離性を達成できるか？
• RQ2 pLogP や QED に対する潜在空間の条件付けは、標準的なVAEと比較して、後処理最適化性能をどのように向上させるか？
• RQ3 データ拡張と動的KL重み付けは、VAEベースのモデルにおける分子有効性と生成長さの向上にどの程度寄与するか？
• RQ4 提案手法は、特にペナルティ付きLogPに関して、制約なし分子最適化ベンチマークで最先端の結果を達成できるか？
• RQ5 特性ベースのクラスタリングと分子類似度の観点から、標準的なVAEと比較して、モデルの潜在空間構造はどのように異なるか？

主な発見

• 本モデルは、ZINC-250k の制約なし最適化ベンチマークにおいて、104.29という新たなSOTAのペナルティ付きLogPスコアを達成し、先行手法を顕著に上回った。
• 上位3分子におけるQEDスコアが0.948という現在のSOTAと同等の水準を維持しており、特性最適化において優れた性能を示した。
• ベンチマークのチェック部分を除いた有効性スコアにおいても、新たなSOTAを達成しており、化学的に有効な分子の生成能力が向上したことを示した。
• 事後分布のPCA可視化により、条件付きβ-VAEが有意に潜在空間を分離しており、pLogPスコアや構造的類似度に応じて分子がクラスタリングされていることが確認された。
• 制約付き最適化において98.25%の成功率を達成し、平均改善度においても先行手法を上回りながら、高い多様性を維持した。
• 相互情報量駆動型学習プロトコルにより、再構成と分離性のバランスが適切に取られ、より効果的な後処理最適化が実現された。