[論文レビュー] Mapping chemical performance on molecular structures using locally interpretable explanations

Leanne S. Whitmore, Anthe George+1 more|arXiv (Cornell University)|Nov 22, 2016

Computational Drug Discovery Methods参考文献 7被引用数 10

ひとこと要約

本稿では、ローカル解釈可能な機械学習非依存型説明（LIME）を用いて、機械学習による研究オクタン数（RON）予測値を2次元分子構造にマッピングし、化学者がブラックボックスモデルの意思決定を局所的な構造的特徴を通じて解釈できるようにしている。この手法により、二重結合がRON予測値を上昇させ、内部の単結合が低下させることを明らかにした。LIME重みとRON分類確率の間にはスピアマン順位相関係数0.784が観察された。

ABSTRACT

In this work, we present an application of Locally Interpretable Machine-Agnostic Explanations to 2-D chemical structures. Using this framework we are able to provide a structural interpretation for an existing black-box model for classifying biologically produced fuel compounds with regard to Research Octane Number. This method of "painting" locally interpretable explanations onto 2-D chemical structures replicates the chemical intuition of synthetic chemists, allowing researchers in the field to directly accept, reject, inform and evaluate decisions underlying inscrutably complex quantitative structure-activity relationship models.

研究の動機と目的

• 研究オクタン数（RON）のような化学的性質を予測するために使用されるブラックボックス機械学習モデルにおける解釈可能性の欠如に対処すること。
• 複雑なモデル予測と分子設計における化学的に直感的な構造的特徴の間のギャップを埋めること。
• 合成化学者が、曖昧な統計的出力ではなく構造的推論に基づいてモデル意思決定を検証・改善・拒否できるようにすること。
• LIMEを用いて、特定のサブス トラクチャモチーフに予測を関連付けることで、ランダムフォレストによるRON分類器の信頼性を評価すること。
• 反応機構の逆合成計画を支援するためのツールを提供し、RON予測に最も影響を与える構造的特徴を特定すること。

提案手法

• 予め訓練済みのランダムフォレスト分類器を用い、生物学的プロセスで生成された化合物のRONが高いか低いかを予測するモデルに対して、LIMEを適用して局所的かつインスタンス固有の説明を生成する。
• サブス トラクチャをマスキングすることで入力分子構造を変化させ、その後でモデルの予測を再評価し、特徴の重要度を推定する。
• LIMEフレームワークにおける解釈可能な特徴として、分子断片の2値表現（例：C-C-C-C-C、C=C）を用いる。
• LIMEの最適化により局所的なサブス トラクチャ重みを計算：局所線形サーヴィレートモデルの不一致を最小化しつつ、低複雑性を維持する。
• 100回のブートストラップ反復を統合して、サブス トラクチャ重要度スコアの安定性と信頼性を向上させる。
• 色分けされたサブス トラクチャ（赤：高めのRON、青：低めのRON）を用いて、2次元化学構造図上にLIME重みを可視化する。

実験結果

リサーチクエスチョン

• RQ1 LIMEはブラックボックスRON予測モデルに対して意味的で化学的に解釈可能な説明を提供できるか？
• RQ2 生物学的プロセスで生成された化合物における、RON分類予測に最も強く影響を与えるサブス トラクチャ的特徴は何か？
• RQ3 LIMEによって得られた局所的説明は、元のモデルの予測と実験的RON値とどれほど相関しているか？
• RQ4 モデルの誤りはどこから生じており、LIMEは構造的誤解（例：単結合と二重結合の過剰依存）を特定するのを支援できるか？
• RQ5 LIMEの説明は、バイオ燃料開発における化学者の信頼を高め、合成設計意思決定を支援できるか？

主な発見

• LIMEは局所的特徴重要度を2次元分子構造に正確にマッピングでき、二重結合（例：C=C）が予測RONを上昇させ、内部の単結合（例：C-C-C）が低下させることを明らかにした。
• LIMEサブス トラクチャ重みとbcmlRONモデルの高RON分類確率との間にはスピアマン順位相関係数ρ = 0.784（p < 0.01）が観察され、強い整合性が示された。
• LIME重みと実験的RON値との相関係数はρ = 0.711（p < 0.01）であり、元のモデルとの相関係数（p = 0.787）と有意差がなかった。
• オシミン（測定RON = 72.9）は、二重結合の局所的重みが高いため、モデルによって過大予測された。これは構造的誤解を示している。
• ユーカリプトール（測定RON = 99.2）は、内部の単結合の局所的重みが高いため、低く予測された。これはモデルが単結合に偏っていることを示唆している。
• この手法により、モデルの推論を分子図上で直接可視化でき、化学者が化学的直感を用いてモデル意思決定を評価できるようになった。