[논문 리뷰] Message Passing Networks for Molecules with Tetrahedral Chirality

Lagnajit Pattanaik, Octavian-Eugen Ganea외 4명|arXiv (Cornell University)|2020. 11. 24.

Computational Drug Discovery Methods참고 문헌 33인용 수 16

한 줄 요약

이 논문은 메시지 전파 신경망(MPNNs)을 위한 두 가지 새로운 비대칭 집계 함수—PD(순열 의존성) 및 PERM_CAT(순열-카테고리)—를 제안하여 테트라헤드럴 카이랄리티를 가진 분자를 구분하고 대칭 집계 함수(예: 합계)가 실패하는 경우에 대비해 대칭성을 깨뜨립니다. 이 방법들은 입체화학적 차이가 있는 새로운 단백질-리간드 도킹 데이터셋에서 향상된 성능을 보이며, 카이랄리티 인식 집계가 기본 MPNN보다 더 나은 성능 예측을 가능하게 한다는 것을 입증합니다.

ABSTRACT

Molecules with identical graph connectivity can exhibit different physical and biological properties if they exhibit stereochemistry-a spatial structural characteristic. However, modern neural architectures designed for learning structure-property relationships from molecular structures treat molecules as graph-structured data and therefore are invariant to stereochemistry. Here, we develop two custom aggregation functions for message passing neural networks to learn properties of molecules with tetrahedral chirality, one common form of stereochemistry. We evaluate performance on synthetic data as well as a newly-proposed protein-ligand docking dataset with relevance to drug discovery. Results show modest improvements over a baseline sum aggregator, highlighting opportunities for further architecture development.

연구 동기 및 목표

• 기본 MPNN의 대칭 집계 함수로 인해 입체이성체를 구분하지 못하는 한계를 해결하기 위해.
• 물리적 불변성을 유지하면서도 카이랄리티 정보를 유지하는 집계 함수를 개발하기 위해.
• 분자의 성질 차이가 직접적으로 입체화학적 구조에 기인하는 새로운 벤치마크 데이터셋을 만들기 위해.
• 합성 및 실제 약물 발견 데이터셋에서 제안된 집계기의 실험적 평가를 수행하기 위해.

제안 방법

• 각 원자별로 이웃 엣지를 순서화한 그래프 표현을 설계하여 비대칭 집계를 가능하게 하기 위해.
• 상대적인 원자 순서에 따라 이웃 기여도를 가중치로 설정하는 학습 가능한 순열 행렬을 사용하는 PD 집계기를 제안하기 위해.
• 각 이웃 순열에 대해 카테고리 임베딩을 학습하여 카이랄리티 배열 간의 이산적이고 학습 가능한 구분을 가능하게 하는 PERM_CAT 집계기를 도입하기 위해.
• PyTorch Geometric 프레임워크 내에서 방법을 구현하고 합성 및 실제 데이터셋에서 훈련하기 위해.
• 노드 표현을 풍부하게 하기 위해 局부(LOC), 전역(GCF), 결합 수(BCF) 특징의 조합을 사용하기 위해.
• 에너지 차이가 다양한 입체이성체 쌍에 대해 RMSE와 순위 분류 정확도를 사용하여 성능 평가하기 위해.

실험 결과

연구 질문

• RQ1 MPNN 내 비대칭 집계 함수는 위상적으로 동일하지만 공간적으로 다른 테트라헤드럴 카이랄리티를 가진 분자를 효과적으로 구분할 수 있는가?
• RQ2 PD 및 PERM_CAT 집계기의 성능는 입체화학에 영향을 받는 성능 예측에서 기존의 합계 집계 방식과 비교해 어떻게 다른가?
• RQ3 단백질-리간드 결합에서 알려진 입체화학적 차이가 있는 벤치마크 데이터셋에서 집계 과정에 입체화학 정보를 포함시키면 성능 향상이 이루어지는가?
• RQ4 제안된 집계기는 GCN, GIN, DMPNN 등 다양한 MPNN 아키텍처에 얼마나 일반화되는가?
• RQ5 데이터에 카이랄리티 중심이 명시적으로 레이블링되지 않은 경우에도 모델이 의미 있는 입체화학적 표현을 학습할 수 있는가?

주요 결과

• PERM_CAT 집계기는 모든 그래프 아키텍처에서 가장 높은 순위 분류 정확도를 기록했으며, 기준 SUM 및 기타 집계기보다 일관되게 뛰어난 성능을 보였다.
• 단백질-리간드 도킹 데이터셋에서 DMPNN 아키텍처 기준 PERM_CAT은 RMSE를 최대 0.27 감소시켜 회귀 성능 향상을 입증했다.
• 순위 분류 성능에서, 에너지 차이가 5 kcal/mol 이상 초과하는 경우 DMPNN 아키텍처에서 PERM_CAT은 62% 이상의 정확도를 달성했다.
• PD 집계기는 절대값보다 상대적 순서를 더 잘 포착하여 순위 분류 성능은 SUM(50.0%) 대비 향상된 57.3%를 기록했지만, RMSE는 더 높았다.
• 입체이성체 쌍이 없는 표준 MoleculeNet 지질성 데이터셋에서 모든 커스터마이징 집계기는 SUM과 유사한 성능를 보였으며, 이는 카이랄리티 데이터가 존재할 때에만 성능 향상이 이루어짐을 확인한다.
• PERM_CAT (BCF) 변형은 도킹 데이터셋에서 전체적으로 가장 뛰어난 성능를 기록했으며, DMPNN 기준 RMSE는 6.35 ± 0.03으로, SUM(6.64 ± 0.05)를 능가했다.