[论文解读] ATOM3D: Tasks On Molecules in Three Dimensions

Raphael J.L. Townshend, Martin Vögele+11 more|arXiv (Cornell University)|Jan 1, 2020

Machine Learning in Materials Science参考文献 64被引用 16

一句话总结

ATOM3D 引入了一个全面的基准测试套件和开源工具包，用于三维分子机器学习，评估了三维卷积网络、图神经网络和等变网络在多样化生物分子任务中的表现。结果表明，三维表示方法始终优于一维/二维方法，其中3DCNN在几何密集型任务中表现优异，而等变网络则在未来的开发中展现出巨大潜力。

ABSTRACT

Computational methods that operate on three-dimensional molecular structure have the potential to solve important questions in biology and chemistry. In particular, deep neural networks have gained significant attention, but their widespread adoption in the biomolecular domain has been limited by a lack of either systematic performance benchmarks or a unified toolkit for interacting with molecular data. To address this, we present ATOM3D, a collection of both novel and existing benchmark datasets spanning several key classes of biomolecules. We implement several classes of three-dimensional molecular learning methods for each of these tasks and show that they consistently improve performance relative to methods based on one- and two-dimensional representations. The specific choice of architecture proves to be critical for performance, with three-dimensional convolutional networks excelling at tasks involving complex geometries, graph networks performing well on systems requiring detailed positional information, and the more recently developed equivariant networks showing significant promise. Our results indicate that many molecular problems stand to gain from three-dimensional molecular learning, and that there is potential for improvement on many tasks which remain underexplored. To lower the barrier to entry and facilitate further developments in the field, we also provide a comprehensive suite of tools for dataset processing, model training, and evaluation in our open-source atom3d Python package. All datasets are available for download from https://www.atom3d.ai .

研究动机与目标

• 为生物和化学领域中三维分子机器学习缺乏系统性基准测试和标准化工具的问题提供解决方案。
• 建立一个统一的框架，利用原子级几何结构对三维深度学习模型在生物分子任务中的表现进行评估。
• 通过提供开源工具、精选数据集和三维分子学习的最佳实践，降低研究人员的入门门槛。
• 系统性地比较三维学习架构（3DCNN、GNN、ENN）与一维/二维基线方法在多样化分子任务中的表现。
• 识别三维分子表征学习中的关键挑战与机遇，特别是在蛋白质-配体结合和电子性质预测方面。

提出的方法

• 从结构生物学和药物化学中整理并处理了三维分子数据集，涵盖蛋白质-配体结合、电子性质以及蛋白质-配体构象排序等任务。
• 实现并评估了三种主要的三维学习架构：三维卷积神经网络（3DCNN）、几何图神经网络（GNN）和等变神经网络（EN）。
• 采用以原子为中心的三维坐标表示法，结合元素类型，实现对各类生物分子的一致处理。
• 应用数据增强和对称性感知训练策略，以提升泛化能力，尤其针对旋转和平移不变性。
• 在各项任务中使用标准化指标（如AUROC、RMSE、平均绝对误差）以确保与先前最先进方法的公平比较。
• 将所有数据集、模型和评估流程整合进开源的atom3d Python工具包中，以保障可重现性和可扩展性。

实验结果

研究问题

• RQ1 三维深度学习模型在预测分子性质和相互作用方面，相较于一维和二维基线方法表现如何？
• RQ2 在不同类型的三维分子任务中，哪种神经网络架构——3DCNN、GNN还是ENN——表现最佳？
• RQ3 在蛋白质-配体结合亲和力预测和电子性质估计等任务中，引入三维原子几何结构能在多大程度上提升性能？
• RQ4 当在一组蛋白质上进行训练并在序列相似性较低的其他蛋白质上进行测试时，三维分子模型的泛化能力如何？
• RQ5 三维分子表征学习中的关键挑战与机遇是什么？如何通过标准化的基准测试和工具来应对这些问题？

主要发现

• 与一维和二维基线方法相比，三维表示方法在所有基准任务中均表现出更优的性能，其中3DCNN在几何密集型任务（如蛋白质结构排序PSR、残基接触排序RSR）中取得了最先进结果。
• 等变神经网络（ENs）在LEP任务（配体效力预测）中表现最佳，AUROC达到0.770，显著优于3DCNN（0.681）和GNN（0.663）基线。
• 在LBA任务（配体结合亲和力预测）中，3DCNN的RMSE为1.416，优于非3D基线X-score（RMSE 1.565），且在30%序列同一性划分下也展现出良好的泛化能力。
• GNN在需要精确位置信息的任务（如RES，残基接触预测）中表现优异，准确率达到0.451，但在几何密集型任务中仍不及3DCNN。
• 3DCNN模型在SMP任务（电子性质预测）中实现了0.052的平均绝对误差（MAE），显著优于3D GNN（0.137）和3D ENN（0.095），表明不同架构对任务类型的敏感性差异明显。
• atom3d工具包支持可重现的训练与评估，所有数据集和模型均可在www.atom3d.ai公开获取，为未来三维分子学习研究提供了有力支持。