[论文解读] Molecule Generation for Drug Design: a Graph Learning Perspective

Nianzu Yang, Huaijin Wu+3 more|arXiv (Cornell University)|Feb 18, 2022

Computational Drug Discovery Methods被引用 6

一句话总结

本综述全面回顾了药物设计中基于图学习的从头分子生成方法，将其分类为一次性生成、基于片段和逐节点生成策略。文章强调了2D图表示在确保化学有效性方面的优势，并讨论了基于扩散的模型等最新进展，同时指出了在大分子设计、3D药物发现和基于结构的药物设计方面面临的关键挑战与未来方向。

ABSTRACT

Machine learning, particularly graph learning, is gaining increasing recognition for its transformative impact across various fields. One such promising application is in the realm of molecule design and discovery, notably within the pharmaceutical industry. Our survey offers a comprehensive overview of state-of-the-art methods in molecule design, particularly focusing on \emph{de novo} drug design, which incorporates (deep) graph learning techniques. We categorize these methods into three distinct groups: \emph{i)} \emph{all-at-once}, \emph{ii)} \emph{fragment-based}, and \emph{iii)} \emph{node-by-node}. Additionally, we introduce some key public datasets and outline the commonly used evaluation metrics for both the generation and optimization of molecules. In the end, we discuss the existing challenges in this field and suggest potential directions for future research.

研究动机与目标

• 提供针对药物设计中分子生成的图神经网络方法的聚焦性、最新综述，排除SMILES和3D表示。
• 将最先进的生成策略划分为三种不同范式：一次性生成、基于片段生成和逐节点生成。
• 整理分子生成与优化任务中常用的公开数据集和标准评估指标。
• 识别当前研究中的关键挑战，特别是在大分子设计、3D分子生成和基于结构的药物发现方面。
• 提出三个有前景的未来研究方向，以推动该领域超越当前在可扩展性、3D建模和靶向特异性配体设计方面的局限。

提出的方法

• 本文根据生成策略将基于图的分子生成方法分为三类：一次性生成（一次性生成完整图）、基于片段生成（从子结构构建分子）和逐节点生成（逐步构建图）。
• 将分子表示形式形式化为图 $ G = ( extbf{A}, extbf{X}) $，其中 $ extbf{A} $ 为编码键类型的邻接张量，$ extbf{X} $ 为编码原子类型的节点特征矩阵。
• 使用标准指标评估方法：生成任务中的有效性、新颖性、多样性、唯一性及重构性；优化任务中的QED、SA、logP及其他类药物性质。
• 强调从SMILES表示向图表示转变的趋势，因其在化学有效性和结构准确性方面具有内在优势，尤其在2D表示中表现更优。
• 分析包括近期基于扩散的生成模型，这些模型被突出为此前综述未涵盖的新兴趋势。
• 通过系统性回顾2020–2023年间的近期文献，识别图基分子生成中的方法趋势、挑战与开放问题。

实验结果

研究问题

• RQ1 在从头分子设计中，一次性生成、基于片段生成和逐节点生成的图生成策略在效率、灵活性和结构保真度方面有何差异？
• RQ2 图基分子生成与优化任务中常用的公开数据集和评估指标有哪些？
• RQ3 为何该领域已从SMILES表示转向图表示？2D图模型在确保化学有效性方面有何优势？
• RQ4 在使用图学习生成大分子（如聚合物）、3D分子几何构型和靶向特异性配体方面，存在哪些主要未解难题？
• RQ5 图基深度学习模型如何扩展以支持基于结构的药物设计，特别是在化学空间中高效采样有前景的子区域方面？

主要发现

• 基于图的生成方法通过结构设计确保100%的化学有效性，而SMILES方法则需复杂约束以避免无效结构。
• 三种主要生成策略——一次性生成、基于片段生成和逐节点生成——在效率、灵活性和建模复杂亚结构的能力方面各具独特权衡。
• 近期基于扩散的生成模型已成为图基分子生成中一类有前景的新方法，但此前综述未涵盖此类方法。
• 尽管已有进展，该领域在生成3D分子几何构型方面仍严重不足，而3D构型对精确的量子性质预测至关重要，仍是主要研究空白。
• 当前方法主要局限于小分子，由于结构复杂性增加及长生成序列中的梯度问题，向大分子（如聚合物）扩展仍面临重大挑战。
• 基于结构的药物设计——即针对特定蛋白-配体结合——在机器学习中仍研究不足，是未来研究的关键前沿。