[논문 리뷰] A Novel Graph-based Approach for Determining Molecular Similarity

Maritza Hernandez, Arman Zaribafiyan외 2명|arXiv (Cornell University)|2016. 01. 25.

Computational Drug Discovery Methods참고 문헌 11인용 수 21

한 줄 요약

이 논문은 노이즈가 있는 3차원 분자 데이터를 다루기 위해 이완된 최대 가중치 공-k-플렉스 설정을 사용하는 양자 기반의 그래프 기반 유사도 측정 방법을 제안한다. 분자 유사도를 이차 무제약 이진 최적화(QUBO) 문제로 모델링함으로써, 손실 함수 기반 방법(76%)보다 높은 정확도(81%)를 달성하여 돌연변이성 예측 성능을 향상시켰다. 이는 정확한 부분그래프 매칭을 통제적으로 이완함으로써 예측 성능 향상이 가능하다는 것을 보여준다.

ABSTRACT

In this paper, we tackle the problem of measuring similarity among graphs that represent real objects with noisy data. To account for noise, we relax the definition of similarity using the maximum weighted co-$k$-plex relaxation method, which allows dissimilarities among graphs up to a predetermined level. We then formulate the problem as a novel quadratic unconstrained binary optimization problem that can be solved by a quantum annealer. The context of our study is molecular similarity where the presence of noise might be due to regular errors in measuring molecular features. We develop a similarity measure and use it to predict the mutagenicity of a molecule. Our results indicate that the relaxed similarity measure, designed to accommodate the regular errors, yields a higher prediction accuracy than the measure that ignores the noise.

연구 동기 및 목표

• 실험 측정으로부터 유도된 노이즈가 있거나 왜곡된 3차원 구조적 데이터에서 분자 유사도를 측정하는 데 도전하는 것.
• 실제 측정 오차를 수용하기 위해 각 정점당 최대 k−1개의 충돌 엣지가 허용되는 정확한 부분그래프 매칭을 완화하는 민첩한 유사도 측정 기준 개발.
• 최대 가중치 공-k-플렉스 문제를 QUBO(이차 무제약 이진 최적화)로 재구성하여 양자 안내를 통한 해법 가능성을 확보하고 최적의 부분구조 식별을 가능하게 하는 것.
• 3-NN 분류기와의 비교를 통해 실제 돌연변이성 예측 데이터셋에서의 성능 평가.
• 노이즈 내성과 구조적 정확성의 균형을 고려할 때 예측 정확도를 최대화하는 최적의 이완 수준(k)을 규명하는 것.

제안 방법

• 분자를 레이블이 부여된 가중치 있는 그래프로 모델링하며, 정점은 원자를, 엣지는 결합을 나타내며 레이블은 원자 번호, 형식 전하 및 결합 유형을 포함한다.
• 두 분자 그래프에서 유도된 충돌 그래프를 구성하며, 정점은 잠재적 정점 매핑을, 엣지는 충돌하는 매핑(예: 상호 호환성 없는 원자 쌍)을 나타낸다.
• 유사도 측정은 충돌 그래프에서 최대 가중치 공-k-플렉스 문제로 설정되며, 선택된 정점 집합 내에서 각 정점이 최대 k−1개의 이웃만 가질 수 있도록 하여 엄격한 독립성 조건을 완화한다.
• 문제는 QUBO(이차 무제약 이진 최적화)로 변환되어 고전적 해법기나 향후 양자 안내 기반 해법기로 해석 가능하다.
• QUBO는 완전 탐색 기반 해법기를 사용하여 3-NN 분류 파이프라인에서 학습 및 테스트를 위한 최적의 유사도 점수를 확보한다.
• 3차원 구조적 정보를 통합하고 다중 그래프 유사도를 지원하며, 두 개의 실제 분자 데이터셋에서 돌연변이성 예측에 대한 결과가 검증되었다.

실험 결과

연구 질문

• RQ1 최대 가중치 공-k-플렉스 설정을 통한 정확한 부분그래프 매칭 조건의 이완이 노이즈가 있는 3차원 구조적 데이터에서 분자 유사도 측정 성능을 향상시키는가?
• RQ2 제안된 QUBO 기반 유사도 측정법을 사용할 때 돌연변이성 예측 정확도를 최대화하는 최적의 k 값은 무엇인가?
• RQ3 QUBO 기반 공-k-플렉스 유사도 방법은 기존의 필터 기반 방법 대비 돌연변이성 예측 성능에서 어떤가?
• RQ4 제안된 방법은 블랙박스 필터 기반 방법과 달리 공통적인 분자 부분구조를 해석 가능한 방식으로 제공할 수 있는가?
• RQ5 이완된 유사도 측정 기준 사용이 비돌연변이성 분자에 대한 잘못된 양성 결과를 감소시키는가?

주요 결과

• QUBO 기반 최대 가중치 공-3-플렉스 방법은 첫 번째 테스트 세트에서 분자 돌연변이성 예측 정확도 81%를 달성하여 필터 기반 방법(76%)과 공-1-플렉스 방법(80%)을 모두 초월했다.
• 공-3-플렉스 이완은 필터 기반 방법(58%)보다 더 높은 특이도(78%)를 기록하여 비돌연변이성 분자를 잘못 분류하는 경우가 줄어들었다.
• 필터 기반 방법은 높은 민감도(95%)를 보였지만 특이도가 매우 낮아(58%) 구조적 맥락을 반영하지 못해 잘못된 양성 결과 비율이 높았다.
• 이 방법은 필터 기반 방법이 단일 유사도 점수만 제공하는 것과 달리 공통 분자 부분구조를 식별함으로써 설명 가능한 결과를 제공한다.
• 최적의 이완 수준(k=3)이 존재하며, 이는 예측 정확도를 최대화한다. k 값이 더 높거나 낮을 경우 성능 저하가 발생했다.
• 엄격한 동형성 제약 조건 하에서 3차원 구조적 데이터를 모델링할 경우 예측 성능이 열악해지며, 이는 이완의 가치를 입증한다.