[论文解读] Message Passing Networks for Molecules with Tetrahedral Chirality

Lagnajit Pattanaik, Octavian-Eugen Ganea+4 more|arXiv (Cornell University)|Nov 24, 2020

Computational Drug Discovery Methods参考文献 33被引用 16

一句话总结

本文提出了两种新颖的非对称聚合函数——PD（依赖排列）和PERM_CAT（排列-类别）——用于消息传递神经网络（MPNNs），以打破对称性并区分具有四面体手性的分子，而标准的对称聚合函数（如求和）无法做到这一点。这些方法在包含立体化学差异的新蛋白质-配体对接数据集上实现了性能提升，证明了手性感知的聚合可显著提升基线MPNN的性质预测能力。

ABSTRACT

Molecules with identical graph connectivity can exhibit different physical and biological properties if they exhibit stereochemistry-a spatial structural characteristic. However, modern neural architectures designed for learning structure-property relationships from molecular structures treat molecules as graph-structured data and therefore are invariant to stereochemistry. Here, we develop two custom aggregation functions for message passing neural networks to learn properties of molecules with tetrahedral chirality, one common form of stereochemistry. We evaluate performance on synthetic data as well as a newly-proposed protein-ligand docking dataset with relevance to drug discovery. Results show modest improvements over a baseline sum aggregator, highlighting opportunities for further architecture development.

研究动机与目标

• 解决标准MPNN在因对称聚合函数而无法区分对映异构体的局限性。
• 开发在保持物理不变性的同时保留手性信息的聚合函数。
• 构建一个新的基准数据集，其中分子性质的差异直接源于立体化学构型。
• 在合成数据集和真实世界药物发现数据集上对所提出的聚合函数进行实证评估。

提出的方法

• 设计一种图表示方法，其中每个原子的邻接边按顺序排列，以支持非对称聚合。
• 提出PD聚合函数，利用可学习的排列矩阵根据邻原子的相对顺序对邻居贡献进行加权。
• 引入PERM_CAT聚合函数，为每种邻居排列学习类别嵌入，实现对手性排列的离散化、可学习区分。
• 在PyTorch Geometric框架中实现这些方法，并在合成数据集和真实世界数据集上进行训练。
• 结合局部（LCF）、全局（GCF）和键计数（BCF）特征以增强节点表示。
• 使用RMSE和在能量差异不同的立体化学对上的分类准确率来评估性能。

实验结果

研究问题

• RQ1 MPNN中的非对称聚合函数能否有效区分拓扑相同但空间结构不同的四面体手性分子？
• RQ2 PD和PERM_CAT聚合函数在预测受立体化学影响的性质时，与标准求和聚合相比表现如何？
• RQ3 在蛋白质-配体结合中已知存在立体化学差异的基准数据集中，聚合过程中引入立体化学信息是否能提升性能？
• RQ4 所提出的聚合函数在不同MPNN架构（GCN、GIN、DMPNN）上的泛化能力如何？
• RQ5 即使数据中未显式标注手性中心，模型是否仍能学习到有意义的立体化学表示？

主要发现

• PERM_CAT聚合函数在所有图架构中均取得了最高的分类准确率，始终优于基线SUM和其他聚合函数。
• 在蛋白质-配体对接数据集上，与SUM相比，PERM_CAT在DMPNN架构上将RMSE降低了最多0.27，表明回归性能得到提升。
• 在分类任务中，当对映异构体之间的能量差超过5 kcal/mol时，PERM_CAT在DMPNN架构上实现了超过62%的准确率。
• PD聚合函数在分类准确率上优于SUM（57.3% vs. 50.0%），但RMSE更高，表明其更擅长捕捉相对顺序而非绝对值。
• 在不含对映异构体对的标准MoleculeNet亲脂性数据集上，所有自定义聚合函数的表现与SUM相当，证实其仅在存在立体化学数据时才表现出性能提升。
• PERM_CAT（BCF）变体在对接数据集上取得了最佳整体性能，DMPNN架构上的RMSE为6.35 ± 0.03，优于SUM的6.64 ± 0.05。