深度学习运用多通道亚结构图进行分子性质预测

Junction Tree VAE能够根据分子亚结构形成树形结构支架，组成了S-Graph的各个节点[2]。在分子中，每个节点表示一个亚结构，而每条边表示亚结构之间公用的原子。特别的，当一个原子为三个以上亚结构共用时，单独成为一个节点（图1中1184）。而对于取代基位置不同的苯环结构，尽管节点中的原子、键类型相同，但仍然处理成两种节点（图1中662和675）。

图1 分子到S-Graph的映射关系和构成

其中a表示亚结构中各个原子，都用one-hot向量表示，使用全连接层输出成一个个向量并连接。类似的，键信息通过以下方式提取：

其中d表示键的向量，和成键的两个原子向量相连接，再经过全连接层提取键的特征向量。最后，关节本身也是原子，因此同样是将原子向量进行特征提取：

其中N(s)表示构成关节的原子集合。之后，将节点的信息Xa,Xd,Xj进行合并，提取得到节点特征向量Xo。此外，S-Graph中的边信息储存了节点之间的拓扑信息，作者根据节点间共有原子的原子类型进行特征提取，得到边向量：

值得注意的是，关节向量是对于节点而言，可能包括不止一个原子的特征，由此区别于边向量和原子的一对一关系。

图2 节点层面的分子特征

在节点层面进行信息提取后，需要在分子层面进行更复杂的信息提取，而这需要对节点信息进行拼接。通常的处理是根据SMILES起始的原子所在亚结构作为根节点，通过广度搜索S-Graph得到节点的序列。之后，通过节点的特征向量得到节点、邻接和边通道的向量组。其中节点通道向量组由以下方式获得：

其中X0(s)表示分子的亚结构序列。邻接通道向量组由以下特征向量拼接而成：

其中H(s)表示该亚结构及其相邻亚结构的特征向量。类似于节点层面的bond特征，边通道的向量组包含了边（共用原子）以及相邻亚结构的向量，拼接成边通道向量组：

图3 表征分子水平特征的三个通道

得到三个通道的特征向量后，作者分别将三个通道的向量通过Bi-GRU进行输出，由于有两层GRU，每个通道输入的n个节点输出的2n个隐藏层向量，合并后通过attention层进行输出，得到最后的分子图输出Y，最后通过多层感知器进行各个任务的学习。

——数据集——

上述模型应用于多种回归任务和分类任务中。回归任务包括四个数据集： Free Solvation Database、ESOL、Lipophilicity、PDBBind。包含小分子水合自由能、溶解度、油水分配系数以及与蛋白形成复合物亲和力的数据。分类任务包含BBBP、BACE数据集，分别评估血脑屏障穿透能力和与BACE-1抑制性能。

——模型表现与评价——

该模型主要与目前基于图卷积的深度学习算法，如GC、DAG、Weave以及传统的机器学习算法进行比较。结果显示，该模型在各个任务上均表现出更好的性能，误差更小，下图展示了在FreeSolv和BBBP上的预测结果。作者还对网络结构进行了调整，印证了三个通道输入、双向GRU结构对性能的改善，说明其必要性。

图4 FreeSolv（左）和BBBP（右）数据集不同算法性能

作者在这里利用S-Graph的框架提出了新的分子表征方法。通过从节点到分子不同层级的特征提取过程，认为同时提取了fine-grained和coarse-grained水平的信息。Bi-GRU的应用有助于节点间传递信息，使信息更为详尽。笔者认为，S-Graph处理的最大优势在于对成环结构进行了简化，能够从整体的角度提取苯环等结构的特征。但其他亚结构划分过细，容易大幅增加计算成本。此外S-graph的处理方式容易对分子较大的官能团进行拆分，如何进一步根据官能团，甚至更宏观的药效团信息进行信息提取，也是作者试图进一步探索的问题。