[論文レビュー] TopP-S: Persistent homology based multi-task deep neural networks for simultaneous predictions of partition coefficient and aqueous solubility

Kedi Wu, Zhixiong Zhao+2 more|arXiv (Cornell University)|Dec 9, 2017

Topological and Geometric Data Analysis被引用数 4

ひとこと要約

本稿では、小分子の水溶性と分配係数（logP）を同時に予測するためのマルチタスク深層学習フレームワークTopP-Sを提案する。要素別恒久ホモロジー（ESPH）を用いることで、スケーラブルでマルチスケールのトポロジカル不変量に分子の位相を符号化し、相関する物理化学的性質を共同学習することで、ベンチマークデータセットにおいて最先端のモデルを上回る高い予測精度を達成する。

ABSTRACT

Aqueous solubility and partition coefficient are important physical properties of small molecules. Accurate theoretical prediction of aqueous solubility and partition coefficient plays an important role in drug design and discovery. The prediction accuracy depends crucially on molecular descriptors which are typically derived from theoretical understanding of the chemistry and physics of small molecules. The present work introduces an algebraic topology based method, called element specific persistent homology (ESPH), as a new representation of small molecules that is entirely different from conventional chemical and/or physical representations. ESPH describes molecular properties in terms of multiscale and multicomponent topological invariants. Such topological representation is systematical, comprehensive, and scalable with respect to molecular size and composition variations. However, it cannot be literally translated into a physical interpretation. Fortunately, it is readily suitable for machine learning methods, rendering topological learning algorithms. Due to the inherent correlation between solubility and partition coefficient, a uniform ESPH representation is developed for both properties, which facilitates multi-task deep neural networks for their simultaneous predictions. This strategy leads to more accurate prediction of relatively small data sets. A total of six data sets is considered in the present work to validate the proposed topological and multi-task deep learning approaches. It is demonstrate that the proposed approaches achieve some of the most accurate predictions of aqueous solubility and partition coefficient. Our software is available online at {\url{http://weilab.math.msu.edu/TopP-S/}}

研究の動機と目的

• 代数的位相幾何学に基づく新しい分子表現を開発し、マルチスケールかつマルチコンポonentの構造的特徴を捉えること。
• 創薬設計における重要な性質であるlogPおよび水溶性の正確な予測に、データ効率的でトポロジーにインformedされた機械学習を用いて課題に取り組むこと。
• logPと水溶性の内在的相関を活用し、マルチタスク学習により両性質を共同でモデリングすること。
• 恒久ホモロジーから導出されるトポロジカル記述子が、従来の分子記述子を上回る予測精度を示すかどうかを実証すること。

提案手法

• 分子の幾何構造から、原子の種別と結合パターンを符号化する要素別恒久ホモロジー（ESPH）を用いて、マルチスケールかつマルチコンポonentのトポロジカル不変量を生成する。
• ESPH出力のコンactかつ解釈可能な要約として、要素別トポロジカル記述子（ESTDs）を構築し、化学的およびトポロジカル情報を保持する。
• ESTDsを深層ニューラルネットワークと統合し、マルチタスク学習フレームワークを用いてlogPおよび水溶性を同時に予測する。
• 予測性能を多様なデータセットで評価するために、アンサンブル手法（例：勾配ブースティング、ランダムフォレスト）および深層ニューラルネットワークを適用する。
• モデルの汎化性能と頑健性を評価するために、10分割交差検証および1つずつ除外する検証（leave-one-out）を実施する。
• 相関する性質からのインダクティブバイアスを活用し、共有表現を介して、小規模または限られたデータセットでも性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 要素別恒久ホモロジー（ESPH）は、性質予測に不可欠な化学的および物理的特徴を体系的かつスケーラブルかつ情報豊かに捉える分子表現を提供できるか？
• RQ2 logPと水溶性の共同マルチタスク学習は、単一タスクモデルと比較して予測精度をどのように向上させるか？
• RQ3 トポロジカル記述子（ESTDs）は、従来の2次元分子記述子と比較して、logPおよび水溶性の予測においてどの程度優れているか？
• RQ4 物理的解釈が直接的にないにもかかわらず、トポロジーに基づく表現が、ベンチマークデータセットで最先端の性能を達成できるか？

主な発見

• ESPHに基づくトポロジカル表現（ESTDsとして符号化）は、6つのベンチマークデータセットにおいて、logPおよび水溶性の予測において、最も高い精度を達成した。
• 共有ESTD表現を用いて学習されたマルチタスク深層ニューラルネットワーク（MT-DNN）は、特に小規模データセットにおいて、単一タスクモデルを顕著に上回り、共有されたインダクティブバイアスによる一般化性能の向上のおかげである。
• FDAおよびStarデータセットにおけるlogP予測において、本手法は最先端の性能を達成し、報告されたRMSE値は0.5 log単位未満であった。
• 従来の2次元記述子とESTDsを併用することで、さらに予測精度が向上し、情報の相補的利点が示された。
• 本フレームワークは、多様なデータ分布に対して頑健であり、交差検証およびテストセット評価において一貫した改善を示した。
• http://weilab.math.msu.edu/TopP-S/ に設置されたオンラインサーバーにより、モデルへのアクセスが可能となり、再現性および創薬開発プロセスへの実用的応用が可能になった。