[논문 리뷰] Molecule3D: A Benchmark for Predicting 3D Geometries from Molecular Graphs

Xu Zhao, Youzhi Luo외 8명|arXiv (Cornell University)|2021. 09. 30.

Machine Learning in Materials Science참고 문헌 54인용 수 6

한 줄 요약

이 논문은 기계학습을 사용하여 분자 구조도에서 기저 상태 3차원 분자 기하구조를 예측하기 위한 Molecule3D라는 최초의 벤치마크를 소개한다. 390만 개의 분자로 구성된 데이터셋(밀도함수이론(DFT) 기반 3차원 구조 포함), 두 가지 GNN 기반 베이스라인(쌍별 원자 간격 또는 원자 좌표 예측), 그리고 RDKit의 ETKDG와 유사한 정확도를 달성하면서도 7배 빠른 추론 속도를 보여, 효율적인 후속 성질 예측을 가능하게 한다.

ABSTRACT

Graph neural networks are emerging as promising methods for modeling molecular graphs, in which nodes and edges correspond to atoms and chemical bonds, respectively. Recent studies show that when 3D molecular geometries, such as bond lengths and angles, are available, molecular property prediction tasks can be made more accurate. However, computing of 3D molecular geometries requires quantum calculations that are computationally prohibitive. For example, accurate calculation of 3D geometries of a small molecule requires hours of computing time using density functional theory (DFT). Here, we propose to predict the ground-state 3D geometries from molecular graphs using machine learning methods. To make this feasible, we develop a benchmark, known as Molecule3D, that includes a dataset with precise ground-state geometries of approximately 4 million molecules derived from DFT. We also provide a set of software tools for data processing, splitting, training, and evaluation, etc. Specifically, we propose to assess the error and validity of predicted geometries using four metrics. We implement two baseline methods that either predict the pairwise distance between atoms or atom coordinates in 3D space. Experimental results show that, compared with generating 3D geometries with RDKit, our method can achieve comparable prediction accuracy but with much smaller computational costs. Our Molecule3D is available as a module of the MoleculeX software library (https://github.com/divelab/MoleculeX).

연구 동기 및 목표

• DFT를 통해 기저 상태 3차원 분자 기하구조를 확보하는 데 소요되는 높은 계산 비용(분자당 수시간)을 해결하기 위해.
• 기계학습을 활용한 분자 구조도에서의 3차원 기하구조 예측에 대한 체계적인 연구를 가능하게 하기 위해.
• 대규모 고정밀도 데이터셋과 평가 프로토콜을 갖춘 표준화된 벤치마크를 개발하기 위해.
• 예측된 3차원 기하구조가 후속 분자 성질 예측 작업의 성능 향상에 기여할 수 있음을 입증하기 위해.
• MoleculeX 라이브러리 내에서 데이터 처리, 학습, 평가를 위한 오픈소스 소프트웨어 도구를 제공하기 위해.

제안 방법

• PubChemQC에서 추출한 390만 개 분자의 정제된 데이터셋을 확보하여 고품질 DFT 최적화 3차원 기하구조를 확보하였다.
• 기하구조 예측 정확도 평가를 위해 MAE, RMSD, 결합 각도 오차, 이황각 오차의 네 가지 지표를 설계하였다.
• 두 가지 베이스라인 모델을 구현: 하나는 쌍별 원자 간격을 예측하고, 다른 하나는 DeeperGCN-DAGNN 아키텍처를 사용해 3차원 좌표를 예측한다.
• 예측된 3차원 기하구조를 기반으로 3D 그래프 신경망을 사용해 양자 성질(예: HOMO-LUMO 갭)을 예측하였다.
• 일반화 및 강건성 평가를 위해 랜덤 분할과 스caffolds 분할을 모두 사용하여 데이터셋을 분할하였다.
• 예측된 양자 성질과 진정된 값 간의 평균 절대 오차(MAE)를 사용해 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 DFT보다 훨씬 낮은 계산 비용으로 분자 구조도에서 정확한 3차원 분자 기하구조를 기계학습 모델이 예측할 수 있는가?
• RQ2 예측된 3차원 기하구조는 RDKit의 ETKDG에 의해 생성된 기하구조와 비교해 구조 정확도 및 후속 작업 성능 측면에서 어떻게 다른가?
• RQ3 예측된 3차원 기하구조는 HOMO-LUMO 갭 추정과 같은 후속 분자 성질 예측 작업의 정확도를 어느 정도 향상시킬 수 있는가?
• RQ4 단순한 좌표 오차 이외의 측면에서, 예측된 3차원 분자 기하구조의 정밀도를 평가하는 데 가장 유용한 지표는 무엇인가?
• RQ5 제안된 벤치마크와 소프트웨어 도구는 3차원 분자 기하구조 예측 분야에서 재현 가능하고 확장 가능한 연구를 가능하게 하는가?

주요 결과

• 제안된 GNN 기반 방법은 RDKit의 ETKDG 방법과 유사한 3차원 기하구조 예측 정확도를 달성하였으며, 추론 시간이 7배 빠르다.
• 예측된 3차원 기하구조를 사용할 경우 분자 구조도만 사용하는 것보다 후속 HOMO-LUMO 갭 예측 성능이 향상되었으며, 특히 랜덤 분할 조건에서 두드러졌다.
• 가장 성능이 뛰어난 베이스라인(쌍별 거리 예측)은 랜덤 분할에서 검증 MAE 0.1796을 기록하여 분자 구조도 입력(0.2066 MAE)보다 뛰어났다.
• 진정된 3차원 기하구조 입력은 랜덤 분할에서 가장 낮은 MAE 0.0833을 기록하여 정확한 3차원 구조의 가치를 확인하였다.
• 스caffolds 분할 조건에서 성능이 크게 떨어져, 아직 미지의 분자 스케일드에 대한 일반화 능력 향상이 주요 과제로 남아 있음을 시사하였다.
• 예측된 기하구조와 진정된 기하구조의 성능 격차는 기하구조 예측 모델의 향상 여지가 여전히 크다는 것을 시사한다.