[论文解读] DeepCCI: End-to-end Deep Learning for Chemical-Chemical Interaction Prediction

Sunyoung Kwon, Sungroh Yoon|arXiv (Cornell University)|Apr 27, 2017

Computational Drug Discovery Methods参考文献 45被引用 14

一句话总结

DeepCCI 提出了一种端到端的深度学习框架，用于基于原始 SMILES 字符串输入的化学-化学相互作用（CCI）预测，利用共享的一维卷积神经网络（CNN）提取分层特征并强制执行交换对称性。在七个指标上均优于传统方法——包括深度分类器和传统机器学习模型，展现出在 CCI 预测中更高的准确性和鲁棒性，同时消除了人工特征工程的需要。

ABSTRACT

Chemical-chemical interaction (CCI) plays a key role in predicting candidate drugs, toxicity, therapeutic effects, and biological functions. In various types of chemical analyses, computational approaches are often required due to the amount of data that needs to be handled. The recent remarkable growth and outstanding performance of deep learning have attracted considerable research attention. However,even in state-of-the-art drug analysis methods, deep learning continues to be used only as a classifier, although deep learning is capable of not only simple classification but also automated feature extraction. In this paper, we propose the first end-to-end learning method for CCI, named DeepCCI. Hidden features are derived from a simplified molecular input line entry system (SMILES), which is a string notation representing the chemical structure, instead of learning from crafted features. To discover hidden representations for the SMILES strings, we use convolutional neural networks (CNNs). To guarantee the commutative property for homogeneous interaction, we apply model sharing and hidden representation merging techniques. The performance of DeepCCI was compared with a plain deep classifier and conventional machine learning methods. The proposed DeepCCI showed the best performance in all seven evaluation metrics used. In addition, the commutative property was experimentally validated. The automatically extracted features through end-to-end SMILES learning alleviates the significant efforts required for manual feature engineering. It is expected to improve prediction performance, in drug analyses.

研究动机与目标

• 开发一种端到端的深度学习方法用于 CCI 预测，以绕过人工特征工程。
• 利用原始 SMILES 字符串作为输入，通过深度神经网络实现自动化的分层特征提取。
• 在 CCI 预测中强制执行交换对称性，确保 (A,B) 和 (B,A) 的相互作用概率对称。
• 验证端到端 SMILES 学习相较于手工设计的分子指纹（如 PubChem）的优越性。
• 提供一种可扩展、可泛化的框架，适用于其他化学和药物发现任务。

提出的方法

• 使用原始 SMILES 字符串作为输入，避免使用手工设计的分子描述符。
• 采用共享的一维 CNN 提取 SMILES 序列中的深层分层表征。
• 通过在两个输入化学物之间共享模型来强制对称性，确保交换行为。
• 通过逐元素平均或拼接方式合并两种化学物的隐藏表征。
• 使用最终的分类器头基于合并后的表征预测相互作用概率。
• 对 SMILES 字符进行独热编码，并使用零填充实现序列长度统一。

实验结果

研究问题

• RQ1 基于原始 SMILES 字符串的端到端深度学习能否在 CCI 预测中超越传统方法？
• RQ2 共享 CNN 架构是否能有效强制执行 CCI 预测中的交换对称性？
• RQ3 通过 CNN 自动提取的特征相较于手工设计的指纹（如 PubChem）表现如何？
• RQ4 该模型是否能在无需人工特征工程的情况下泛化于多样化的化学相互作用？
• RQ5 架构设计选择（如模型共享、表征合并）对预测准确性和对称性的影响如何？

主要发现

• DeepCCI 在全部七个评估指标上均取得最佳表现，优于普通深度分类器和传统机器学习模型。
• 模型在 (A,B) 和 (B,A) 对上的训练和测试准确率完全相同，实验验证了交换对称性。
• 基线模型（如 FFNN、SVM、RF、AdaBoost）在切换输入顺序后性能下降 10% 至 21%，证实其未能强制对称性。
• 通过 CNN 从 SMILES 中自动提取的特征优于 PubChem 指纹，表明其发现了更相关、更复杂的模式。
• 共享 CNN 和表征合并的使用成功维持了相互作用对称性，证明其在同质相互作用任务中至关重要。
• 该框架在 QSAR、毒理学和药物靶点预测等任务中具有广泛应用潜力，得益于其端到端、自动化的特征学习能力。