[论文解读] Graph Polish: A Novel Graph Generation Paradigm for Molecular Optimization

Chaojie Ji, Yijia Zheng+3 more|arXiv (Cornell University)|Aug 14, 2020

Computational Drug Discovery Methods参考文献 52被引用 4

一句话总结

本文提出 Graph Polish，一种新颖的分子优化范式，将图生成重新定义为‘单语言润色’任务，而非‘双语言翻译’，从而减少因逐步添加子结构而产生的错误。T&S 润色框架通过识别优化中心，最大化保留区域并最小化修改，仅用 CORE 训练时间的 2.3% 即实现最先进性能，在四个基准数据集上表现出更优的可解释性与效率。

ABSTRACT

Molecular optimization, which transforms a given input molecule X into another Y with desirable properties, is essential in molecular drug discovery. The traditional translating approaches, generating the molecular graphs from scratch by adding some substructures piece by piece, prone to error because of the large set of candidate substructures in a large number of steps to the final target. In this study, we present a novel molecular optimization paradigm, Graph Polish, which changes molecular optimization from the traditional "two-language translating" task into a "single-language polishing" task. The key to this optimization paradigm is to find an optimization center subject to the conditions that the preserved areas around it ought to be maximized and thereafter the removed and added regions should be minimized. We then propose an effective and efficient learning framework T&S polish to capture the long-term dependencies in the optimization steps. The T component automatically identifies and annotates the optimization centers and the preservation, removal and addition of some parts of the molecule, and the S component learns these behaviors and applies these actions to a new molecule. Furthermore, the proposed paradigm can offer an intuitive interpretation for each molecular optimization result. Experiments with multiple optimization tasks are conducted on four benchmark datasets. The proposed T&S polish approach achieves significant advantage over the five state-of-the-art baseline methods on all the tasks. In addition, extensive studies are conducted to validate the effectiveness, explainability and time saving of the novel optimization paradigm.

研究动机与目标

• 为解决传统图到图翻译方法在分子优化中效率低下且错误累积的问题，该方法通过从零开始逐步添加子结构来生成目标分子。
• 通过在优化过程中最大化保留源分子的区域，减少生成步骤数与错误传播。
• 开发一种学习框架，捕捉分子优化步骤中的长期依赖关系，同时实现优化决策的直观解释。
• 在分子优化任务中，相比现有 SOTA 方法，实现更优的性能、时间效率与可解释性。

提出的方法

• Graph Polish 范式将分子优化重新定义为‘润色’任务，仅对分子中一小部分经过优化的区域进行修改，而非从头生成整个目标分子。
• T 组件自动识别优化中心，并基于结构与性质约束，将分子区域分类为保留、移除或新增部分。
• S 组件学习 T 组件标注的转换模式，并利用带有注意力机制的序列到序列生成机制生成最终优化后的分子。
• 该框架采用基于连接树的表示方法来建模分子子结构，并应用掩码自注意力机制以捕捉优化过程中的长程依赖关系。
• 优化中心的选择基于一个学习得分，优先选择靠近有害官能团（如毒性警报）的原子，从而确保有益子结构的最小损失。
• 该方法整合 SMILES 与 SMARTS 表示用于验证，实现对结构警报的精确检测与合理优化化合物的生成。

实验结果

研究问题

• RQ1 一种最小化结构变化的‘润色’范式是否能在分子优化中超越传统的‘翻译’方法？
• RQ2 两阶段 T&S 润色框架在识别最优修改中心与保留有益子结构方面是否高效？
• RQ3 与最先进方法相比，Graph Polish 范式在多大程度上减少了训练时间并提升了样本效率？
• RQ4 模型的优化决策是否可通过结构分析与警报检测实现直观解释与验证？

主要发现

• 在四个基准数据集上，T&S 润色在 QED 和 LogP 等多项优化指标下，显著优于五种 SOTA 基线方法。
• 该方法将每轮训练时间缩短至仅 21 分钟，约为 CORE 训练时间的 2.3%，在 LogP6 数据集上亦仅为 VJTNN 时间的 14.8%。
• T 组件每轮优化中心预测仅需约 9–10 分钟，表明计算开销极低。
• 该模型始终选择靠近毒性警报结构的原子作为优化中心，多数情况下前五名的归一化概率超过 0.8，表明具有高度置信度与合理决策。
• 该框架生成结果高度可解释，保留区域与非毒性有益子结构高度对齐，修改集中于目标官能团的去除。
• 大量消融实验表明，最大化保留区域显著提升了优化成功率并减少了错误传播。