[論文レビュー] Graph kernels based on tree patterns for molecules

Pierre Mahé, Jean‐Philippe Vert|arXiv (Cornell University)|Sep 15, 2006

Computational Drug Discovery Methods参考文献 12被引用数 10

ひとこと要約

本稿では、木構造パターンに基づく新しいグラフカーネルを提案する。可調節パラメータを用いて部分木の複雑さを制御することで、ウォークベースと部分木ベースのカーネルの間で滑らかな補間が可能となる。動的計画法とノイズフィルタリングを用いることで特徴表現を向上させ、SVMベンチマークにおいて従来手法を上回る分子分類精度を達成する。

ABSTRACT

Motivated by chemical applications, we revisit and extend a family of positive definite kernels for graphs based on the detection of common subtrees, initially proposed by Ramon et al. (2003). We propose new kernels with a parameter to control the complexity of the subtrees used as features to represent the graphs. This parameter allows to smoothly interpolate between classical graph kernels based on the count of common walks, on the one hand, and kernels that emphasize the detection of large common subtrees, on the other hand. We also propose two modular extensions to this formulation. The first extension increases the number of subtrees that define the feature space, and the second one removes noisy features from the graph representations. We validate experimentally these new kernels on binary classification tasks consisting in discriminating toxic and non-toxic molecules with support vector machines.

研究の動機と目的

• 部分木ベースのカーネルを一般化・拡張する、分子用の正定値グラフカーネルの族を開発すること。
• 部分木の複雑さを制御する可調節パラメータを導入し、ウォークベースと大規模部分木ベースのカーネルの間の補間を可能とすること。
• 関連する部分木の数を増やし、ノイズや関係のないパターンを除外することで、特徴空間の表現力の向上を図ること。
• 実世界のケモインフォマティクスタスク、特に毒性・非毒性分子の二値分類に、提案されたカーネルを検証すること。

提案手法

• 部分木の深さまたは複雑さを制御するパラメータを有する、2つの新しいグラフカーネルを提案。
• ノードペアの根をもつ木パターンを再帰的にマッチングすることで、動的計画法を用いてカーネル値を効率的に計算。
• より多くの部分木パターンを含めるモジュール式拡張を導入し、表現力の向上を図る。
• ノイズや関係のない部分木を削除するプルーニング機構を適用し、汎化性能の向上と過学習の低減を図る。
• ノットッタリングウォークの数え上げを可能とする元のグラフの変換を導入し、木パターン検出と既存のウォークベースカーネル理論を結びつける。
• 分岐基数とラベル一致を用いた閉形式の式を導出し、正定値性を保証する。

実験結果

リサーチクエスチョン

• RQ1 部分木特徴の複雑さを変化させた場合、グラフカーネルの分子分類性能にどのように影響するか？
• RQ2 部分木ベースのカーネルは、従来のウォークベースのカーネルを上回り、分子毒性予測において優れているか？
• RQ3 計算コストの増加を抑えながら、特徴空間をどれほど拡張できるか？
• RQ4 ノイズフィルタリングは、予測性能を維持したまま、関係のない部分木パターンを効果的に除去できるか？
• RQ5 1つの可調節パラメータを用いて、ウォークベースと部分木ベースのカーネルの間で滑らかな補間が可能か？

主な発見

• 提案されたカーネルは、ベースラインのウォークベースカーネルと比較して、毒性・非毒性分子の二値分類タスクで優れた性能を達成した。
• より大きく複雑な部分木を特徴として含めることで、分類精度が顕著に向上し、特にノイズフィルタリングと組み合わせた場合に顕著であった。
• 部分木の複雑さを制御するパラメータにより、ウォークベースと部分木ベースの表現の間で滑らかな遷移が可能となり、特徴の影響を体系的に分析できるようになった。
• 動的計画法の定式化により、中程度の複雑さの分子グラフに対してもカーネル計算が効率的に行えるようになった。
• ノイズフィルタリングは、関係のない部分木パターンを効果的に除去し、テストデータにおける汎化性能の向上と過学習の低減を実現した。
• 実験的結果から、部分木ベースの特徴は線形ウォーク特徴よりも物性的性質をよりよく捉えており、特に化学的に意味のある文脈で顕著であった。