[論文レビュー] Graph-based Molecular Representation Learning

Zhichun Guo, Kehan Guo+9 more|arXiv (Cornell University)|Jul 8, 2022

Computational Drug Discovery Methods被引用数 10

ひとこと要約

本サーベイは、化学分野の知識を統合したグラフベースの分子表現学習（MRL）手法について包括的なレビューを提供しており、2次元（2D）および3次元（3D）の分子グラフ表現に焦点を当てている。本研究ではMRLモデルを入力タイプ別に分類し、ドメインに適した学習戦略の使用法を詳細に記述し、主要ベンチマークでの性能評価も実施しており、モデルの解釈可能性、データ効率、3次元構造認識の向上を目指した機械学習による化学分野の前進に統一的な参照を提供する。

ABSTRACT

Molecular representation learning (MRL) is a key step to build the connection between machine learning and chemical science. In particular, it encodes molecules as numerical vectors preserving the molecular structures and features, on top of which the downstream tasks (e.g., property prediction) can be performed. Recently, MRL has achieved considerable progress, especially in methods based on deep molecular graph learning. In this survey, we systematically review these graph-based molecular representation techniques, especially the methods incorporating chemical domain knowledge. Specifically, we first introduce the features of 2D and 3D molecular graphs. Then we summarize and categorize MRL methods into three groups based on their input. Furthermore, we discuss some typical chemical applications supported by MRL. To facilitate studies in this fast-developing area, we also list the benchmarks and commonly used datasets in the paper. Finally, we share our thoughts on future research directions.

研究の動機と目的

• 化学分野の知識を統合した最近のグラフベースの分子表現学習（MRL）手法を体系的に分類し要約すること。
• 分子のサブストラクチャパターン、機能性基団、および3次元幾何的情報を深層学習モデルに統合する課題に対処すること。
• 化学および機械学習分野の研究者に、最先端のMRLモデル、ベンチマーク、データセット、コードリンクの包括的概要を提供すること。
• 解釈可能性、データ不足、3次元空間的学習に関する未解決の課題を特定し、分子表現学習分野における今後の研究を導くこと。

提案手法

• 入力表現に基づいてMRL手法を分類：2次元分子グラフ（原子と結合）および3次元分子グラフ（空間座標および角度を含む）。
• グラフニューラルネットワーク（GNN）およびその変種をレビューし、メッセージパッシング機構、等長性ネットワーク（例：SE(3)-transformers）、3次元特徴を用いた方向性メッセージパッシングを含む。
• 対照的学習や再構成タスクなどの事前学習戦略を分析し、完全な教師あり学習なしで表現品質を向上させることを目的とする。
• サブス トラクチャに配慮した学習、機能性基団のエンコード、知識グラフの構築を通じてドメイン知識を統合し、下流タスクに応用する。
• MoleculeNet、OGB、TDCなどの標準化されたベンチマークとデータセットを用いてモデルを評価し、AUC、F1、正答率などの指標を用いる。
• すべてのレビュー対象モデルについてコードリンクと実装リファレンスを提供し、再現性およびコミュニティへの導入を支援する。

実験結果

リサーチクエスチョン

• RQ1 グラフベースのMRLモデルは、化学的意味を保持したまま、2次元および3次元の分子構造を効果的に符号化できるか？
• RQ2 機能性基団やサブス トラクチャといった化学分野の知識を、グラフニューラルネットワークに効果的に統合する方法は何か？
• RQ3 分子物性予測、反応予測、およびドラッグ・ドラッグ相互作用（DDI）予測といった主要な下流タスクにおいて、さまざまなMRLアーキテクチャはどのように性能を発揮するか？
• RQ4 MRLにおける解釈可能性、データ効率、3次元空間的表現に関する現在の制限は何か。それらはどのように克服できるか？
• RQ5 実際のMRLモデルの評価において、最も代表的で広く使われているベンチマークとデータセットは何か？

主な発見

• MRLモデルは、特に物性および反応予測タスクにおいて、より豊かな構造的情報を活用できるため、シーケンスベースの手法を上回る性能を発揮する。
• 等長性GNNや方向性メッセージパッシングを用いた3次元幾何的情報を統合することで、分子表現学習の質が向上するが、標準的な手法はまだ確立されていない。
• 対照的学習や再構成タスクなどの事前学習戦略は、特にデータが少ない状況下でモデルの一般化性能を顕著に向上させる。
• 機能性基団やサブス トラクチャを明示的にエンコードするモデル（例：MoleRec、KGNN）は、TDCベンチマークで高いAUCおよびF1スコアを達成し、ドラッグ・ドラッグ相互作用予測において優れた性能を示す。
• 進展は見られるものの、MRLにおける解釈可能性は依然として限定的であり、AttSemiGAE や E2E Gao et al. のような初期のアプローチのみが部分的な解釈可能性メカニズムを提供しているにとどまっている。
• データ不足は依然として主要な課題であり、メタラーニングや自己教師あり事前学習は有望ではあるが、MRLの広範な応用においてまだ十分に検討されていない。