[论文解读] ChemBO: Bayesian Optimization of Small Organic Molecules with Synthesizable Recommendations

Ksenia Korovina, Sailun Xu+5 more|arXiv (Cornell University)|Aug 5, 2019

Computational Drug Discovery Methods参考文献 46被引用 39

一句话总结

ChemBO 引入基于高斯过程的贝叶斯优化框架，通过一个最优传输启发的核和一个合成图引导的采集，在更少的评估次数下实现竞争性的 QED 和 Pen-logP 分数，同时搜索可合成的小分子有机化合物。

ABSTRACT

In applications such as molecule design or drug discovery, it is desirable to have an algorithm which recommends new candidate molecules based on the results of past tests. These molecules first need to be synthesized and then tested for objective properties. We describe ChemBO, a Bayesian optimization framework for generating and optimizing organic molecules for desired molecular properties. While most existing data-driven methods for this problem do not account for sample efficiency or fail to enforce realistic constraints on synthesizability, our approach explores the synthesis graph in a sample-efficient way and produces synthesizable candidates. We implement ChemBO as a Gaussian process model and explore existing molecular kernels for it. Moreover, we propose a novel optimal-transport based distance and kernel that accounts for graphical information explicitly. In our experiments, we demonstrate the efficacy of the proposed approach on several molecular optimization problems.

研究动机与目标

• 动机：在确保可合成性的同时设计具有理想性质的分子。
• 目标：利用对样本高效的贝叶斯优化，在遵守合成约束的前提下最大化目标性质（QED、Pen-logP）。
• 贡献：开发带有新颖核函数的高斯过程模型及一个合成引导的采集过程。
• 目标对齐：为化学家提供可操作的合成路线与候选分子。

提出的方法

• 模型：用于分子结构-性质关系的高斯过程。
• 核函数：基于指纹的核加上新颖的基于最优传输的图之间不相似度，将两者组合为一个集合核。
• 采集：在合成图上执行采集优化，以确保可合成性并提供合成路线。
• 合成图：节点为分子；边/父节点由试剂和反应条件定义；基于随机行走的探索以最大化采集。
• 优化设置：将指纹核、ot-dist 核及其和（sum-kernel）与随机行走基线进行比较。
• 评估：两个目标（QED 和 Pen-logP），80 次 BO 迭代（总评估 100 次），起始来自 ChEMBL 的 20 个分子。

实验结果

研究问题

• RQ1 带有合成感知约束的基于 GP 的贝叶斯优化是否能够高效地优化分子性质？
• RQ2 将基于最优传输的分子不相似度引入是否能在 ChemBO 中优于标准指纹核？
• RQ3 合成图引导的采集与天真或随机的合成探索相比，在识别高质量分子方面表现如何？
• RQ4 在受限评估次数下，合成约束下的最终可达到的 QED 和 Pen-logP 分数是多少？

主要发现

• ChemBO 的各变体在 QED 与 Pen-logP 基准测试上均优于随机行走基线。
• ot-dist 获得更高的 QED；指纹核获得更高的 Pen-logP；sum-kernel 在方差较低的情况下提供稳健的折中。
• 最终结果（80 次评估）：QED：rand 0.90±0.01，fingerprint 0.91±0.01，ot-dist 0.93±0.01，sum-kernel 0.94±0.01；Pen-logP：rand 6.81±0.34，fingerprint 9.79±2.26，ot-dist 8.10±1.01，sum-kernel 8.65±0.43。
• ChemBO 发现新颖分子（高新颖性），新颖性在 78–96% 之间，取决于目标和核函数。
• 合成路径的完整性检查显示终产物的 SA 分数在相对于 ChEMBL/ZINC 数据集的合理范围内。
• ChemBO 在相比若干最先进方法具有竞争力甚至更优的分数，同时评估次数显著更少（100 次 BO 迭代，5 次试验）。