[論文レビュー] Learning Gradient Fields for Molecular Conformation Generation

Chence Shi, Shitong Luo+2 more|arXiv (Cornell University)|May 9, 2021

Machine Learning in Materials Science参考文献 50被引用数 40

ひとこと要約

ConfGF は原子座標上の対数密度の勾配場を分子間距離と結びつけることにより直接学習し、 Langevin ダイナミクスを介したワンステージの立体構造生成を実現し、GEOM ベンチマークで最先端の結果を達成する。

ABSTRACT

We study a fundamental problem in computational chemistry known as molecular conformation generation, trying to predict stable 3D structures from 2D molecular graphs. Existing machine learning approaches usually first predict distances between atoms and then generate a 3D structure satisfying the distances, where noise in predicted distances may induce extra errors during 3D coordinate generation. Inspired by the traditional force field methods for molecular dynamics simulation, in this paper, we propose a novel approach called ConfGF by directly estimating the gradient fields of the log density of atomic coordinates. The estimated gradient fields allow directly generating stable conformations via Langevin dynamics. However, the problem is very challenging as the gradient fields are roto-translation equivariant. We notice that estimating the gradient fields of atomic coordinates can be translated to estimating the gradient fields of interatomic distances, and hence develop a novel algorithm based on recent score-based generative models to effectively estimate these gradients. Experimental results across multiple tasks show that ConfGF outperforms previous state-of-the-art baselines by a significant margin.

研究の動機と目的

• 分子立体生成を距離から幾何学への後処理を避けたワンステージのアプローチとして動機付ける。
• 距離を中間変数として用い、回転平行移動等価な勾配場を原子座標に関して学習することを提案する。
• 平衡構造を用いて訓練するスケーラブルなスコアベースの枠組みを開発し、多様で現実的な幾何を生成する。
• 物理的対称性を尊重し、標準ベンチマークにおいて距離ベースの二段階法を上回る手法を確立する。

提案手法

• log p_theta(R|G) を f_G(d) として定義し、d = interatomic distances、GNN が距離からエネルギー様量を推定する。
• ノイズ条件付きスコアネット s_theta(d, sigma) を訓練し、摂動距離に対する grad_d log q_sigma(d|G) をモデル化する。
• 連鎖則を用いて原子座標のスコアを計算する: s_theta(R, sigma)_i = sum_{j in N(i)} (1/d_ij) * s_theta(d, sigma)_ij * (r_i - r_j).
• 結果として得られる座標スコアが回転平行移動に不変となるよう、roto-translation invariant の距離スコアを使用する。
• ノイズレベルを跨いだデノイジングスコアマッチングを訓練し、score-based モデルと同様に lambda(sigma_i) = sigma_i^2 を用いる。
• 学習したスコアとガウスノイズを用いて、ノイズレベルを跨いだアニール Langevin ダイナミクスを用いて立体構造を生成する。

実験結果

リサーチクエスチョン

• RQ1 座標上の勾配場を直接モデル化することで、分子立体をワンステージで生成できるか。
• RQ2 中間表現として interatomic distances を用い、roto-translation 等価性を保ちながら勾配場を推定するにはどうすればよいか。
• RQ3 距離ベースのスコアネットワークは、二段階の距離→幾何法より高品質で多様な立体を出せるか。
• RQ4 ConfGF は、最先端のベースラインと比較して、立体生成、距離分布、アンサンブル特性予測においてどの程度性能を発揮するか。

主な発見

データセット	手法	COV 平均（%）	COV 中央値（%）	MAT 平均（Å）	MAT 中央値（Å）
QM9	RDKit	83.26	90.78	0.3447	0.2935
QM9	CVGAE	0.09	0.00	1.6713	1.6088
QM9	GraphDG	73.33	84.21	0.4245	0.3973
QM9	CGCF	78.05	82.48	0.4219	0.3900
QM9	ConfGF	88.49	94.13	0.2673	0.2685
Drugs	RDKit	60.91	65.70	1.2026	1.1252
Drugs	CVGAE	0.00	0.00	3.0702	2.9937
Drugs	GraphDG	8.27	0.00	1.9722	1.9845
Drugs	CGCF	53.96	57.06	1.2487	1.2247
Drugs	ConfGF	62.15	70.93	1.1629	1.1596

• ConfGF は GEOM-QM9 および GEOM-Drugs ベンチマークにおける立体生成指標（COV と MAT）で最先端の性能を達成する。
• ConfGF は 距離の分布（平均 MMD および中央値 MMD）に関するベースラインを上回る（Single、Pair、All の各カテゴリで）。
• ConfGF は アンサンブル特性の MAE（平均エネルギー、最小エネルギー、HOMO-LUMO ギャップ）でニューラルベースラインよりはるかに優れ、いくつかの指標で RDKit を上回る。
• 二段階の距離→幾何法（GraphDG、CGCF）はワンステージの ConfGF アプローチには存在しない追加誤差を生む。
• RDKit は一部の指標で依然として競争力を持つが、一般に後処理力場を用いないニューラルモデルには及ばない。