[论文解读] Learning a Continuous Representation of 3D Molecular Structures with Deep Generative Models

Matthew Ragoza, Tomohide Masuda+1 more|arXiv (Cornell University)|Oct 17, 2020

Machine Learning in Materials Science参考文献 34被引用 11

一句话总结

该论文提出了首个基于原子密度网格和新型拟合算法的深度生成模型，用于学习连续的3D分子结构，能够将连续潜在表征可靠地转化为有效的3D分子。该模型在生成分子中实现了超过90%的有效性，并通过潜在空间插值和条件生成实现了对多样化、类药物构象的探索。

ABSTRACT

Machine learning in drug discovery has been focused on virtual screening of molecular libraries using discriminative models. Generative models are an entirely different approach that learn to represent and optimize molecules in a continuous latent space. These methods have been increasingly successful at generating two dimensional molecules as SMILES strings and molecular graphs. In this work, we describe deep generative models of three dimensional molecular structures using atomic density grids and a novel fitting algorithm for converting continuous grids to discrete molecular structures. Our models jointly represent drug-like molecules and their conformations in a latent space that can be explored through interpolation. We are also able to sample diverse sets of molecules based on a given input compound and increase the probability of creating valid, drug-like molecules.

研究动机与目标

• 开发一种深度生成模型，学习3D分子结构的连续、低维潜在表征，从而实现对现有数据库之外化学空间的探索。
• 通过保留3D空间信息和构象多样性，克服2D生成模型（如SMILES、分子图）的局限性。
• 设计一种新型优化算法，可靠地将连续原子密度网格转换为具有正确键合和几何结构的离散、有效3D分子结构。
• 评估模型生成化学有效、类药物分子的能力，包括提升QED评分和降低合成可及性等性质。
• 实现基于目标结合口袋的条件分子生成，为结构条件化3D药物设计铺平道路。

提出的方法

• 将3D分子结构表示为原子密度网格，实现高效的卷积处理和排列不变性学习。
• 训练变分自编码器（VAEs）和自编码器（AEs），将分子密度编码和解码为连续潜在空间。
• 开发一种新型原子拟合算法，将连续密度网格映射为离散原子坐标和键类型，确保几何和价态有效性。
• 应用键添加算法，基于局部密度模式和原子类型识别并添加共价键，提升结构保真度。
• 采用混合损失函数，结合L2重建损失和正则化项（如VAEs中的KL散度），以提升泛化能力和多样性。
• 集成化学信息原子分类（如杂化态、形式电荷），以提高键预测和分子重建的准确性。

实验结果

研究问题

• RQ1 深度生成模型能否利用原子密度网格学习3D分子结构的连续、解耦潜在表征？
• RQ2 新型拟合算法能否可靠地将连续潜在表征转换为具有正确键合和几何结构的化学有效3D分子结构？
• RQ3 与输入相比，该模型在生成多样化、类药物分子并提升其性质（如QED、合成可及性）方面能达到何种程度？
• RQ4 当生成分子与训练分布差异较大时，模型性能如何退化？导致重建失败的因素有哪些？
• RQ5 该模型能否扩展至条件生成，例如基于蛋白结合口袋生成配体？

主要发现

• 该模型生成有效3D分子的比例超过90%，证明了深度生成建模在3D分子结构中的可行性。
• VAE后验采样生成的分子最大QED评分高于输入分子，表明成功生成了更具类药物特性的化合物。
• 模型对输入分子的重建RMSD较低（低于0.1 Å），原子类型恢复准确率达98%，但对分布外分子的重建质量显著下降。
• VAE后验生成的分子在不同输入相似度下均保持稳定的合成可及性评分，表明在生成新颖、多样化结构方面具有鲁棒性。
• 标准AE在分布内分子上实现了近乎完美的重建，但在多样或差异较大的输入上失败，表明生成模型仍需提升泛化能力。
• 键添加算法与真实分子的Tanimoto相似度达到0.82，表明由于当前原子分类方案的局限性，仍有改进空间。