[论文解读] Retention Time Prediction for Chromatographic Enantioseparation by Quantile Geometry-enhanced Graph Neural Network

Hao Xu, Jinglong Lin+2 more|arXiv (Cornell University)|Nov 7, 2022

Analytical Chemistry and Chromatography被引用 4

一句话总结

本文提出了一种分位数几何增强图神经网络（QG-GNN），用于基于新构建的CMRT数据集预测色谱对映体分离中的保留时间。通过将色谱领域的专业知识融入模型，该方法实现了对多柱保留时间的准确预测和分离概率估计，显著提升了实验对映体分离工作流程中的预测精度与效率。

ABSTRACT

A new research framework is proposed to incorporate machine learning techniques into the field of experimental chemistry to facilitate chromatographic enantioseparation. A documentary dataset of chiral molecular retention times (CMRT dataset) in high-performance liquid chromatography is established to handle the challenge of data acquisition. Based on the CMRT dataset, a quantile geometry-enhanced graph neural network is proposed to learn the molecular structure-retention time relationship, which shows a satisfactory predictive ability for enantiomers. The domain knowledge of chromatography is incorporated into the machine learning model to achieve multi-column prediction, which paves the way for chromatographic enantioseparation prediction by calculating the separation probability. Experiments confirm that the proposed research framework works well in retention time prediction and chromatographic enantioseparation facilitation, which sheds light on the application of machine learning techniques to the experimental scene and improves the efficiency of experimenters to speed up scientific discovery.

研究动机与目标

• 为解决色谱对映体分离中数据有限的问题，构建一个全面的手性分子保留时间纪录片数据集（CMRT数据集）。
• 开发一种机器学习模型，以准确预测多种色谱柱上对映体的保留时间。
• 将色谱领域的专业知识整合到图神经网络中，以提升模型的泛化能力和预测性能。
• 实现实验设计中的多柱保留时间预测与分离概率估计，支持实际应用。
• 通过数据驱动的预测减少试错实验，加速手性分离中的科学发现。

提出的方法

• 设计了一种新颖的分位数几何增强图神经网络（QG-GNN），利用分子的图表示来建模分子结构与保留时间之间的关系。
• 通过从分子图拓扑中提取的基于分位数的几何特征，提升表征学习能力与不确定性估计。
• 将色谱保留行为的特定领域知识嵌入GNN架构中，以指导特征学习并增强跨柱泛化能力。
• CMRT数据集由实验HPLC数据整理而成，涵盖多种分子结构和在多个手性固定相上的保留时间。
• 通过在多个柱的数据上进行训练，使QG-GNN具备对未见柱的保留时间进行推理的能力，实现多柱预测。
• 通过预测对映体之间保留时间的差异来计算分离概率，实现实验前期基线基线分辨率的预测。

实验结果

研究问题

• RQ1 图神经网络能否有效预测高效液相色谱中对映体的保留时间？
• RQ2 引入分位数几何与色谱领域知识在多柱预测中如何提升预测精度与泛化能力？
• RQ3 该模型在无需实验测试的情况下，能在多大程度上预测分离概率？
• RQ4 经过整理的实验数据集（CMRT）能否支持手性对映体分离中可靠机器学习训练？
• RQ5 将领域知识整合到GNN中是否能显著提升其在保留时间预测中的性能，优于标准模型？

主要发现

• QG-GNN模型在多种手性固定相上均实现了高精度的保留时间预测，显著优于基线GNN和传统模型。
• 引入分位数几何与色谱领域知识显著提升了模型的鲁棒性与泛化能力，尤其在未见柱上表现更优。
• 该模型可实现可靠的分离概率预测，使研究人员能在实验前估算基线基线分辨率。
• CMRT数据集为色谱对映体分离中的模型训练与基准测试提供了全面且公开可用的资源。
• 成功实现了多柱预测，证明了模型在不同手性柱之间知识迁移的能力。
• 该框架减少了耗时的试错实验，显著加速了最优分离条件的发现。