[论文解读] Constrained Graph Variational Autoencoders for Molecule Design

Qi Liu, Miltiadis Allamanis+2 more|arXiv (Cornell University)|May 23, 2018

Computational Drug Discovery Methods参考文献 31被引用 234

一句话总结

CGVAE 提出了一种具有顺序图生成过程和针对领域的硬性掩码的图结构变分自编码器，用于生成有效分子，从而实现对潜在空间的分子性质优化。

ABSTRACT

Graphs are ubiquitous data structures for representing interactions between entities. With an emphasis on the use of graphs to represent chemical molecules, we explore the task of learning to generate graphs that conform to a distribution observed in training data. We propose a variational autoencoder model in which both encoder and decoder are graph-structured. Our decoder assumes a sequential ordering of graph extension steps and we discuss and analyze design choices that mitigate the potential downsides of this linearization. Experiments compare our approach with a wide range of baselines on the molecule generation task and show that our method is more successful at matching the statistics of the original dataset on semantically important metrics. Furthermore, we show that by using appropriate shaping of the latent space, our model allows us to design molecules that are (locally) optimal in desired properties.

研究动机与目标

• 激励学习以生成符合带有化学有效性约束的训练数据分布的图。
• 开发一个变分自编码器，使编码器和解码器都在图结构数据上工作。
• 纳入硬性、领域特定的约束，以确保分子图在语法上有效。
• 塑造并利用潜在空间以实现对数值分子性质的优化。

提出的方法

• 在 VAE 的编码器和解码器中使用门控图神经网络 (GGNNs)。
• 采用带有聚焦与扩展决策的顺序图扩展过程来构建图，同时仅以当前部分图为条件。
• 应用基于价的硬性掩码以强制化学有效性并防止非法图。
• 使用重构目标进行训练，通过蒙特卡洛估计近似生成轨迹的对数似然。
• 提供一个在潜在空间中通过可微回归模型和 z 空间梯度上升来优化性质的机制。

实验结果

研究问题

• RQ1 具备顺序图生成的图结构 VAE 能否产生在化学相关统计量上与训练分布相匹配的分子？
• RQ2 掩码和基于 GGNN 的解码是否在跨数据集中提升生成分子的有效性、新颖性和唯一性？
• RQ3 能否利用学到的潜在空间来优化数值分子属性，如 QED？
• RQ4 与非受限的图生成器相比，约束图生成如何影响可扩展性和训练稳定性？

主要发现

• CGVAE 在 QM9、ZINC 和 CEPDB 数据集上实现了较高的有效性、新颖性和唯一性。
• 该模型匹配训练图的统计信息，如原子数、键数和环数量，表明对分布的保真捕捉。
• 掩码和带 GGNN 的顺序解码对性能至关重要，因为去除距离特征、独立性假设或 GGNN 会降低结果。
• 潜在空间使基于梯度的性质优化成为可能，例如 QED，沿轨迹产生预测和 RDKit 测量的 QED 更高的分子。
• 与基线相比，CGVAE 降低了无效分子生成并提供一个较浅、稳定的训练过程，同时实现连续优化。