[논문 리뷰] ChemBO: Bayesian Optimization of Small Organic Molecules with Synthesizable Recommendations

Ksenia Korovina, Sailun Xu외 5명|arXiv (Cornell University)|2019. 08. 05.

Computational Drug Discovery Methods참고 문헌 46인용 수 39

한 줄 요약

ChemBO는 최적-수송에서 영감을 받은 커널과 합성 그래프 가이드 획득을 통해 합성 가능한 소분자 유기 화합물을 탐색하는 Gaussian process 기반 Bayesian optimization 프레임워크를 도입하여 더 적은 평가로 경쟁력 있는 QED와 Pen-logP 점수를 달성한다.

ABSTRACT

In applications such as molecule design or drug discovery, it is desirable to have an algorithm which recommends new candidate molecules based on the results of past tests. These molecules first need to be synthesized and then tested for objective properties. We describe ChemBO, a Bayesian optimization framework for generating and optimizing organic molecules for desired molecular properties. While most existing data-driven methods for this problem do not account for sample efficiency or fail to enforce realistic constraints on synthesizability, our approach explores the synthesis graph in a sample-efficient way and produces synthesizable candidates. We implement ChemBO as a Gaussian process model and explore existing molecular kernels for it. Moreover, we propose a novel optimal-transport based distance and kernel that accounts for graphical information explicitly. In our experiments, we demonstrate the efficacy of the proposed approach on several molecular optimization problems.

연구 동기 및 목표

• 동기: 합성 가능성을 보장하면서 바람직한 특성을 가진 분자를 설계하기 위함.
• 목표: 합성 제약을 존중하는 샘플 효율적인 BO를 사용하여 목표 특성(QED, Pen-logP)을 최대화.
• 기여: 새로운 커널과 합성 안내 획득 프로세스를 갖춘 GP 모델 개발.
• 목표 정렬: 화학자에게 실용적인 합성 레시피와 함께 후보 분자를 제공하는 것.

제안 방법

• 모델: 분자 내 구조- 특성 관계를 위한 가우시안 프로세스.
• 커널: 지문 기반 커널과 그래프 간의 새로운 최적-전송 기반 비유사성으로 구성된 앙상블 커널.
• 획득: 합성 가능성을 보장하고 합성 레시피를 제공하기 위해 합성 그래프에서 획득 최적화를 수행.
• 합성 그래프: 노드는 분자; 간선/상위는 시약 및 반응 조건으로 정의; 무작위-보행 기반 탐색으로 획득을 최대화.
• 최적화 설정: 지문 커널, ot-dist 커널, 두 커널의 합(sum-kernel)을 무작위 보행 기준선과 비교.
• 평가: 두 목표(QED 및 Pen-logP)로 80 BO 반복(총 100 평가) 및 초기 20개 분자는 ChEMBL에서 사용.

실험 결과

연구 질문

• RQ1 합성 인식 제약을 갖춘 GP 기반 베이지안 최적화가 분자 특성을 효율적으로 최적화할 수 있는가?
• RQ2 합성-전송 기반의 분자 비유사성이 ChemBO의 성능을 표준 지문 커널보다 향상시키는가?
• RQ3 합성 그래프 가이드 획득이 단순하거나 무작위 합성 탐색에 비해 고품질 분자를 식별하는 데 어떤 차이가 있는가?
• RQ4 제한된 평가에서 합성 제약을 갖는 최종적으로 달성 가능한 QED 및 Pen-logP 점수는 무엇인가?

주요 결과

• ChemBO 변형들은 QED와 Pen-logP 벤치마크에서 무작위 보행 기준선을 능가하였다.
• ot-dist는 QED를 더 높고; 지문은 Pen-logP를 더 높이며; sum-kernel은 분산이 낮은 강건한 균형을 제공한다.
• 최종 결과(80 평가): QED: rand 0.90±0.01, fingerprint 0.91±0.01, ot-dist 0.93±0.01, sum-kernel 0.94±0.01; Pen-logP: rand 6.81±0.34, fingerprint 9.79±2.26, ot-dist 8.10±1.01, sum-kernel 8.65±0.43.
• ChemBO는 목적과 커널에 따라 신규 분자(높은 신규성)를 발견하며 78–96%의 신규성을 보인다.
• 합성 경로 안전성 점검에서 최종 분자 SA 점수는 ChEMBL/ZINC 데이터셋에 비해 합리적인 범위 내에 있다.
• ChemBO는 상당히 적은 평가(100 BO 반복, 5개의 시도)로 여러 최첨단 방법 대비 경쟁력 있거나 더 나은 점수를 달성한다.