[论文解读] A Two-Step Graph Convolutional Decoder for Molecule Generation

Xavier Bresson, Thomas Laurent|arXiv (Cornell University)|Jun 8, 2019

Computational Drug Discovery Methods参考文献 22被引用 55

一句话总结

本论文提出用于分子生成的两步自编码器：先生成原子集合（bag-of-atoms），再使用图卷积解码器组装键，在ZINC分子上实现90.5%的重构率和100%的有效性。它还采用束搜索和变分自编码器框架来优化化学性质。

ABSTRACT

We propose a simple auto-encoder framework for molecule generation. The molecular graph is first encoded into a continuous latent representation $z$, which is then decoded back to a molecule. The encoding process is easy, but the decoding process remains challenging. In this work, we introduce a simple two-step decoding process. In a first step, a fully connected neural network uses the latent vector $z$ to produce a molecular formula, for example CO$_2$ (one carbon and two oxygen atoms). In a second step, a graph convolutional neural network uses the same latent vector $z$ to place bonds between the atoms that were produced in the first step (for example a double bond will be placed between the carbon and each of the oxygens). This two-step process, in which a bag of atoms is first generated, and then assembled, provides a simple framework that allows us to develop an efficient molecule auto-encoder. Numerical experiments on basic tasks such as novelty, uniqueness, validity and optimized chemical property for the 250k ZINC molecules demonstrate the performances of the proposed system. Particularly, we achieve the highest reconstruction rate of 90.5\%, improving the previous rate of 76.7\%. We also report the best property improvement results when optimization is constrained by the molecular distance between the original and generated molecules.

研究动机与目标

• 设计一种简单高效的自编码器以生成有效分子并提供动机。
• 将原子生成与键构造解耦以简化分子解码。
• 在解码器中利用图神经网络在潜在表示给定的情况下放置键。
• 整合变分自编码器框架以改善潜在空间结构。
• 在ZINC数据上展示重构、新颖性、唯一性和性质优化能力。

提出的方法

• 使用带节点和边特征的图卷积网络将分子图编码为固定大小的潜在向量z。
• 通过一个有一隐藏层的MLP从z解码生成分子式（bag of atoms）。
• 通过对bag of atoms应用图卷积网络来预测原子之间的键类型，以组装键。
• 使用束搜索来强制化学有效性并筛选高概率、保持价态的键配置。
• 可选择采用变分自编码器形式将z建模为z=μ+σ⊙ε并通过KL散度损失进行优化。
• 在ZINC数据集上对重构、有效性、新颖性、唯一性和性质优化指标进行训练和评估。

实验结果

研究问题

• RQ1 两步、非自回归解码器是否能够可靠地重构并生成有效的分子图？
• RQ2 将原子生成与键放置分离是否在大型分子数据集上提升重构率和有效性？
• RQ3 VAE形式对分子潜在空间和重构质量有何影响？
• RQ4 在约束下模型生成新分子并优化化学性质的能力如何？

主要发现

Method	Reconstruction	Validity
CVAE (Gómez-Bombarelli et al. 2018)	44.6%	0.7%
GVAE (Kusner et al. 2017)	53.7%	7.2%
SD-VAE (Dai et al. 2018)	76.2%	43.5%
GraphVAE (Simonovsky & Komodakis 2018)	-	13.5%
JT-VAE (Jin et al. 2018)	76.7%	100.0%
GCPN (You et al. 2018)	-	-
OURS	90.5%	100.0%

• 在250k个ZINC分子上实现了90.5%的重构率，优于此前的76.7%（并且达到100%的有效性）。
• 重构分子实现了100%的有效性，即使有些并未完美重构。
• 从先验分布采样时生成了100%的新颖且唯一的分子（n=5000）。
• 当优化受分子距离约束时，性质改进结果最好，相较于此前的VAE方法。
• 束搜索有助于产生化学有效的分子，并且可以并行化以提升效率。