[论文解读] Molecular Graph Encoding Convolutional Neural Networks for Automatic Chemical Feature Extraction.

Youjun Xu, Jianfeng Pei+1 more|arXiv (Cornell University)|Apr 16, 2017

Computational Drug Discovery Methods被引用 3

一句话总结

该论文提出分子图编码卷积神经网络（MGE-CNN），一种无需依赖预定义描述符即可自动从分子图中提取化学特征的深度学习框架。该方法在定量构效关系（QSPR）建模中实现了高预测性能与可解释性，在预测急性口服毒性方面优于以往模型，R²最高达0.864，外部测试集准确率超过95%。

ABSTRACT

For quantitative structure-property relationship (QSPR) studies in chemoinformatics, it is important to get interpretable relationship between chemical properties and chemical features. However, the predictive power and interpretability of QSPR models are usually two different objectives that are difficult to achieve simultaneously. A deep learning architecture using molecular graph encoding convolutional neural networks (MGE-CNN) provided a universal strategy to construct interpretable QSPR models with high predictive power. Instead of using application-specific preset molecular descriptors or fingerprints, the models can be resolved using raw and pertinent features without manual intervention or selection. In this study, we developed acute oral toxicity (AOT) models of compounds using the MGE-CNN architecture as a case study. Three types of high-level predictive models: regression model (deepAOT-R), multi-classification model (deepAOT-C) and multi-task model (deepAOT-CR) for AOT evaluation were constructed. These models highly outperformed previously reported models. For the two external datasets containing 1673 (test set I) and 375 (test set II) compounds, the R2 and mean absolute error (MAE) of deepAOT-R on the test set I were 0.864 and 0.195, and the prediction accuracy of deepAOT-C was 95.5% and 96.3% on the test set I and II, respectively. The two external prediction accuracy of deepAOT-CR is 95.0% and 94.1%, while the R2 and MAE are 0.861 and 0.204 for test set I, respectively.

研究动机与目标

• 开发一种通用的深度学习框架，实现无需人工特征选择的可解释且高度预测性的QSPR模型。
• 通过使用原始分子图作为输入，解决化学信息学中预测能力与可解释性之间长期存在的权衡问题。
• 在真实应用场景中展示MGE-CNN的有效性：预测化学化合物的急性口服毒性（AOT）。
• 在单一架构中构建多种模型类型——回归、多分类和多任务——以实现对AOT的全面评估。
• 通过独立的外部数据集验证模型性能，以确保其泛化能力和鲁棒性。

提出的方法

• MGE-CNN架构以分子图为输入，其中原子和化学键分别表示为节点和边，从而实现化学特征的端到端学习。
• 应用图卷积层从分子图中提取分层结构特征，捕捉分子的局部与全局模式。
• 该模型采用图编码机制，在特征学习过程中保留拓扑和化学信息，避免依赖手工设计的描述符。
• 开发了三种不同的模型变体：deepAOT-R（回归）、deepAOT-C（多分类）和deepAOT-CR（多任务），每种均针对不同的预测目标进行优化。
• 该架构实现了自动化的、数据驱动的特征提取，无需依赖领域特定的分子描述符或指纹。
• 通过标准优化技术进行反向传播训练，同时借助注意力机制或特征可视化增强模型可解释性。

实验结果

研究问题

• RQ1 基于分子图编码的深度学习模型是否能在不依赖预定义分子描述符的情况下，实现QSPR建模中的高预测精度？
• RQ2 MGE-CNN框架在化学性质预测中，其预测性能与可解释性之间的平衡程度如何？
• RQ3 在独立测试集中，MGE-CNN模型相较于现有最先进模型在预测急性口服毒性方面表现如何？
• RQ4 单一统一架构是否能有效支持多种预测任务——回归、分类和多任务学习——以实现AOT评估？
• RQ5 MGE-CNN模型在具有多样化化学结构的外部数据集上的泛化性能如何？

主要发现

• deepAOT-R回归模型在测试集I上达到R² = 0.864和平均绝对误差（MAE）为0.195，表现出强大的预测精度。
• deepAOT-C多分类模型在测试集I上准确率达95.5%，在测试集II上达96.3%，表明其具有优异的泛化性能。
• deepAOT-CR多任务模型在测试集I和II上的准确率分别为95.0%和94.1%，在测试集I上R²为0.861，MAE为0.204。
• 所有MGE-CNN模型在AOT预测中的预测性能和可解释性方面均显著优于以往报告的模型。
• 该模型能够直接从分子图中学习特征，无需人工选择描述符，从而提升了自动化与可靠性。
• 多种模型类型在多个外部数据集上均保持一致的高性能，证实了MGE-CNN框架的鲁棒性与通用性。