[論文レビュー] Molecular Graph Encoding Convolutional Neural Networks for Automatic Chemical Feature Extraction.

Youjun Xu, Jianfeng Pei+1 more|arXiv (Cornell University)|Apr 16, 2017

Computational Drug Discovery Methods被引用数 3

ひとこと要約

本論文は、事前に定義された記述子に依存せずに、分子グラフから自動的に化学的特徴を抽出することができる深層学習フレームワーク、Molecular Graph Encoding Convolutional Neural Networks (MGE-CNN) を提案する。この手法は、定量的構造活性相関（QSPR）モデリングにおいて高い予測性能と解釈可能性を達成し、外部テストセットで急性経口毒性を予測する際、R²が最大0.864に達し、95%を超える精度を示す。

ABSTRACT

For quantitative structure-property relationship (QSPR) studies in chemoinformatics, it is important to get interpretable relationship between chemical properties and chemical features. However, the predictive power and interpretability of QSPR models are usually two different objectives that are difficult to achieve simultaneously. A deep learning architecture using molecular graph encoding convolutional neural networks (MGE-CNN) provided a universal strategy to construct interpretable QSPR models with high predictive power. Instead of using application-specific preset molecular descriptors or fingerprints, the models can be resolved using raw and pertinent features without manual intervention or selection. In this study, we developed acute oral toxicity (AOT) models of compounds using the MGE-CNN architecture as a case study. Three types of high-level predictive models: regression model (deepAOT-R), multi-classification model (deepAOT-C) and multi-task model (deepAOT-CR) for AOT evaluation were constructed. These models highly outperformed previously reported models. For the two external datasets containing 1673 (test set I) and 375 (test set II) compounds, the R2 and mean absolute error (MAE) of deepAOT-R on the test set I were 0.864 and 0.195, and the prediction accuracy of deepAOT-C was 95.5% and 96.3% on the test set I and II, respectively. The two external prediction accuracy of deepAOT-CR is 95.0% and 94.1%, while the R2 and MAE are 0.861 and 0.204 for test set I, respectively.

研究の動機と目的

• 手動による特徴選択を必要とせず、解釈可能で高予測性能を示す普遍的な深層学習フレームワークの開発を目的とする。
• 化学情報学における予測性能と解釈可能性の長年のトレードオフを、原始的な分子グラフを入力として用いることで解決することを目的とする。
• MGE-CNNの有効性を、実世界の応用として化学化合物の急性経口毒性（AOT）予測に応用して示すことを目的とする。
• 1つのアーキテクチャ内で回帰、多クラス分類、マルチタスクの複数のモデルタイプを構築し、AOT評価を包括的に行うことを目的とする。
• 独立した外部データセットを用いたモデル性能の妥当性評価を通じて、汎用性と頑健性を保証することを目的とする。

提案手法

• MGE-CNNアーキテクチャは、原子と結合をそれぞれノードとエッジとして表現する分子グラフを入力とし、化学的特徴のエンドツーエンド学習を可能にする。
• グラフ畳み込み層を用いて、分子グラフから階層的な構造的特徴を抽出し、局所的およびグローバルな分子パターンを捉える。
• モデルは、トポロジーおよび化学的情報を特徴学習中に保持するグラフエンコーディング機構を採用し、手作業で作成した記述子に依存しない。
• 3つの異なるモデルバージョンを開発した：深層AOT-R（回帰）、deepAOT-C（多クラス分類）、deepAOT-CR（マルチタスク）、それぞれ異なる予測目的に最適化されている。
• アーキテクチャにより、ドメイン固有の分子記述子やフィンガープintを必要とせず、データ駆動型の自動特徴抽出が可能になる。
• バックプロパゲーションを用いた学習と標準的な最適化手法が用いられ、注意メカニズムや特徴可視化による解釈性の向上が図られている。

実験結果

リサーチクエスチョン

• RQ1 分子グラフエンコーディングに基づく深層学習モデルは、事前に定義された分子記述子に依存せずに、QSPRモデリングにおいて高い予測精度を達成できるか？
• RQ2 MGE-CNNフレームワークは、化学的性質予測において、予測性能と解釈可能性の両立をどの程度達成できるか？
• RQ3 MGE-CNNモデルは、独立したテストセットにおいて、既存の最先端モデルと比較して急性経口毒性予測でどのように性能を発揮するか？
• RQ4 1つの統合アーキテクチャが、AOT評価のための回帰、分類、マルチタスク学習の複数の予測タスクを効果的にサポートできるか？
• RQ5 MGE-CNNモデルは、多様な化学的構造を有する外部データセットにおいて、どの程度の汎化性能を示すか？

主な発見

• deepAOT-R回帰モデルは、テストセットIでR²が0.864、平均絶対誤差（MAE）が0.195を達成し、優れた予測精度を示した。
• deepAOT-C多クラス分類モデルは、テストセットIで95.5%、テストセットIIで96.3%の予測精度を達成し、高い汎化性能を示した。
• deepAOT-CRマルチタスクモデルは、テストセットIで95.0%、テストセットIIで94.1%の精度を達成し、テストセットIではR²が0.861、MAEが0.204であった。
• MGE-CNNの全モデルは、AOT予測における予測性能と解釈可能性の両面で、以前に報告されたモデルを顕著に上回った。
• 手作業による記述子選択を一切行わず、分子グラフから特徴を直接学習できる点が、自動化と信頼性の両方を向上させた。
• 複数のモデルタイプおよび外部データセットにおける一貫した高い性能は、MGE-CNNフレームワークの頑健性と普遍性を確認するものである。