[论文解读] GraphPiece: Efficiently Generating High-Quality Molecular Graph with Substructures.

Xiangzhe Kong, Zhixing Tan+1 more|arXiv (Cornell University)|Jun 29, 2021

Machine Learning in Materials Science参考文献 35被引用 5

一句话总结

本文提出 GraphPiece，一种变分自编码器，通过首先从现有分子中学习可重用的子结构（称为图片段），然后分两个阶段生成分子：片段级构建，随后完成键合。该方法在属性优化和约束属性优化任务中均达到最先进性能，并提升了计算效率。

ABSTRACT

Molecular graph generation is a fundamental but challenging task in various applications such as drug discovery and material science, which requires generating valid molecules with desired properties. Auto-regressive models, which usually construct graphs following sequential actions of adding nodes and edges at the atom-level, have made rapid progress in recent years. However, these atom-level models ignore high-frequency subgraphs that not only capture the regularities of atomic combination in molecules but also are often related to desired chemical properties. In this paper, we propose a method to automatically discover such common substructures, which we call {\em graph pieces}, from given molecular graphs. Based on graph pieces, we leverage a variational autoencoder to generate molecules in two phases: piece-level graph generation followed by bond completion. Experiments show that our graph piece variational autoencoder achieves better performance over state-of-the-art baselines on property optimization and constrained property optimization tasks with higher computational efficiency.

研究动机与目标

• 解决原子级自回归模型在捕捉分子图中频繁且化学上有意义的子结构方面的局限性。
• 发现重复出现的子图——称为“图片段”—以编码分子中常见的原子组合模式。
• 通过将这些图片段作为构建模块，在两阶段生成过程中提升分子图生成质量。
• 在分子生成任务中，尤其是属性优化任务中，提升生成质量与计算效率。
• 通过结构化、子结构感知的生成方式，实现对期望化学属性的更好控制。

提出的方法

• 使用子图挖掘技术，从一组分子图中自动发现频繁且高频率的子图（图片段）。
• 将每种分子表示为图片段序列，以支持生成过程中的序列建模。
• 训练一种变分自编码器（VAE），学习图片段序列的潜在表示，以实现分子生成。
• 将生成过程分解为两个阶段：首先生成图片段序列，然后补全缺失的键以形成有效分子。
• 使用图神经网络从生成的图片段序列重建分子，并通过键补全步骤优化结构。
• 利用重参数化技巧和结合重构损失与KL散度的损失函数，实现VAE的稳定训练。

实验结果

研究问题

• RQ1 与原子级自回归模型相比，自动发现的图片段是否能提升分子图生成的质量与效率？
• RQ2 两阶段生成策略——先进行片段级生成，再完成键合——对分子有效性与属性优化有何影响？
• RQ3 图片段在多大程度上增强了模型生成具有期望化学属性分子的能力？
• RQ4 所提出方法在约束属性优化任务中是否优于最先进基线模型？
• RQ5 与传统原子级生成相比，使用图片段是否带来了计算效率的显著提升？

主要发现

• GraphPiece 模型在属性优化与约束属性优化基准测试中均达到最先进性能。
• 由于采用结构化、基于子结构的生成流程，该方法在计算效率上优于现有原子级自回归模型。
• 使用图片段显著提升了生成质量，体现在生成分子的有效性与新颖性得分更高。
• 两阶段生成策略——先生成图片段，再补全键——生成了更稳定且化学上更合理的分子。
• 该模型有效捕捉了常与期望化学属性相关的重复子结构，从而增强了属性控制能力。
• 基于图片段表示的变分自编码器学习到了更解耦且更具语义意义的潜在空间，从而提升了生成多样性与可控性。