[논문 리뷰] Graph-based Molecular Representation Learning

Zhichun Guo, Kehan Guo외 9명|arXiv (Cornell University)|2022. 07. 08.

Computational Drug Discovery Methods인용 수 10

한 줄 요약

이 종합 검토는 화학 분야 지식을 통합한 그래프 기반 분자 표현 학습(MRL) 방법에 대해 포괄적으로 검토하며, 2차원 및 3차원 분자 그래프 표현에 초점을 맞춘다. 본 논문은 입력 유형에 따라 MRL 모델을 분류하고 도메인 인지 학습 전략의 활용 방법을 상세히 기술하며 주요 벤치마크에서의 성능을 평가하여, 모델의 해석 가능성, 데이터 효율성, 3차원 구조 인식 능력을 향상시키기 위한 기계학습의 발전을 위한 통합 기준을 제공한다.

ABSTRACT

Molecular representation learning (MRL) is a key step to build the connection between machine learning and chemical science. In particular, it encodes molecules as numerical vectors preserving the molecular structures and features, on top of which the downstream tasks (e.g., property prediction) can be performed. Recently, MRL has achieved considerable progress, especially in methods based on deep molecular graph learning. In this survey, we systematically review these graph-based molecular representation techniques, especially the methods incorporating chemical domain knowledge. Specifically, we first introduce the features of 2D and 3D molecular graphs. Then we summarize and categorize MRL methods into three groups based on their input. Furthermore, we discuss some typical chemical applications supported by MRL. To facilitate studies in this fast-developing area, we also list the benchmarks and commonly used datasets in the paper. Finally, we share our thoughts on future research directions.

연구 동기 및 목표

• 화학 분야 지식을 통합한 최신 그래프 기반 분자 표현 학습(MRL) 방법을 체계적으로 분류하고 요약하는 것.
• 분자의 화합물 부분구조 패턴, 기능기, 3차원 기하학적 정보를 딥 러닝 모델에 효과적으로 통합하는 데 도전하는 것.
• 화학 및 기계학습 분야의 연구자들에게 최신 MRL 모델, 벤치마크, 데이터셋, 코드 링크를 체계적으로 정리한 개요를 제공하는 것.
• 해석 가능성, 데이터 부족, 3차원 공간 학습 분야의 열린 과제를 규명하여 향후 분자 표현 학습 분야의 연구를 이끌어내는 것.

제안 방법

• 입력 표현 유형에 따라 MRL 방법을 분류: 2차원 분자 그래프(원자 및 결합)와 3차원 분자 그래프(공간 좌표 및 각도 포함).
• 그래프 신경망(GNN) 및 그 변종을 검토하며, 메시지 전달 메커니즘, 등변성 네트워크(SE(3)-Transformer 등), 3차원 특징을 활용한 방향성 메시지 전달을 포함한다.
• 대조 학습 및 재구성 작업과 같은 사전 훈련 전략을 분석하여, 완전한 감독 없이도 표현 품질을 향상시키는 데 기여한다.
• 부분구조 인지 학습, 기능기 인코딩, 지식 그래프 구축을 통한 도메인 지식 통합을 통해 후속 작업에 활용한다.
• MoleculeNet, OGB, TDC와 같은 표준 벤치마크 및 데이터셋을 사용하여 모델 성능을 평가하며, AUC, F1, 정확도 등의 지표를 활용한다.
• 모든 검토된 모델에 대해 코드 링크와 구현 참고 자료를 제공하여 재현 가능성과 커뮤니티의 도입을 지원한다.

실험 결과

연구 질문

• RQ1 그래프 기반 MRL 모델는 화학적 의미를 유지하면서 2차원 및 3차원 분자 구조를 어떻게 효과적으로 인코딩할 수 있는가?
• RQ2 기능기 및 부분구조와 같은 화학 도메인 지식을 그래프 신경망에 효과적으로 통합하는 가장 효과적인 방법은 무엇인가?
• RQ3 다양한 MRL 아키텍처는 분자 물성 예측, 반응 예측, 약물-약물 상호작용(DDI) 예측과 같은 주요 후속 작업에서 어떻게 성능을 발휘하는가?
• RQ4 현재 MRL 분야에서 해석 가능성, 데이터 효율성, 3차원 공간 표현의 한계는 무엇이며, 이를 어떻게 보완할 수 있는가?
• RQ5 실제 응용에서 MRL 모델 평가에 가장 대표적이고 널리 사용되는 벤치마크 및 데이터셋은 무엇인가?

주요 결과

• 그래프 기반 MRL 모델는 분자 그래프에서 더 풍부한 구조적 정보를 활용함으로써, 특히 물성 및 반응 예측 작업에서 시퀀스 기반 방법보다 뛰어난 성능을 보인다.
• 등변성 GNN 또는 방향성 메시지 전달을 통한 3차원 기하학적 정보 통합은 분자 표현 학습을 향상시키지만, 아직 표준 방법은 확립되지 않았다.
• 대조 학습 및 재구성과 같은 사전 훈련 전략은 특히 데이터가 적은 환경에서 모델 일반화 능력을 크게 향상시킨다.
• 기능기 및 부분구조를 명시적으로 인코딩한 모델들(MoleRec, KGNN 등)은 TDC 벤치마크에서 높은 AUC 및 F1 점수를 기록하며 우수한 성능을 보였다.
• 진전이 있었음에도 불구하고, MRL의 해석 가능성은 여전히 제한되어 있으며, AttSemiGAE 및 E2E Gao 등 일부 초기 접근법 외에는 해석 가능성 메커니즘을 제공하지 못하고 있다.
• 데이터 부족은 여전히 핵심 과제이며, 메타학습 및 자기지도 사전 훈련은 유망하지만, 보다 광범위한 MRL 응용 분야에서 아직 탐색되지 않은 분야이다.