清华博士生深度学习模型登上Nature子刊，可预测药物特性

　　作者/文龙
　　预测药物特性对加速药物发现有着重要的推动作用，基于图的神经网络进行分子表示学习也已经取得了不错的成绩。尽管如此，人类专家对分子表示和卷积神经网络知识的综合潜力尚未得到充分的探索。
　　近日，清华大学、复旦大学和浙江大学的研究人员联合新加坡国立大学的研究人员开发了一种开箱即用的AI工具，可以通过分析基于人类知识的分子表示来预测药物特性。
　　他们的研究成果于3月1日以「通过广泛学习的基于知识的分子表示对药物特性进行开箱即用的深度学习预测」（Out-of-the-box deep learning prediction of pharmaceutical properties by broadly learned knowledge-based molecular representations）发表在《自然·机器智能》（Nature Machine Intelligence）杂志上。论文的主要作者是新加坡国立大学的博士生Wan Xiang Shen。
　　适当的分子表示对于增强网络的学习和预测能力至关重要。现在，主要的分子表示学习方法大致可分为四类： 第一种是基于图的特征表示，使用图卷积网络(GCNs)或图注意力网络(GATs)直接从分子的底层图进行从头学习，获取在制药相关任务中的SOTA性能。 第二种是字符串表示，使用CNN或RNN对化学结构的字符串表示进行学习，例如SMILES（用ASCII字符串明确描述分子结构的规范）。 第三种是图像表示，使用CNN对按规则渲染的2D化学图或Kekulé图进行学习。 第四种是基于知识的表示，深度学习模型用于先验的人类知识衍生的分子表示或指纹特征的学习。
　　该团队对第三种和第四种方法进行了探索，基于CNN架构提出了新的架构——MolMapNet，该架构可以将分子表示和指纹特征映射到健壮的二维特征图，再对这些特征图进行学习，实现对药物特性的预测。
　　图示：MolMapNet深度学习架构。该体系结构包括三个组件：多通道输入特征映射，（分子表示、指纹特征）双路径CNN特征学习和具有完全连接层的非线性变换。（来源：论文）
　　通过与基于图的神经网络方法的对比，实验结果显示MolMapNet模型在26个药学相关的基准数据集和一个新颖的数据集中的表现均具有一定的竞争力，并且由于结合了人类的先验知识，模型更具广泛性。
　　论文的作者之一，新加坡国立大学计算生物学教授Yu Zong Chen表示：「我们的研究有两个显著成就：首先是引入了一种新方法，用于将无序分子特性映射到表示分子特性的内在关系的有序图像中；其二是开发了一种创新的开箱即用的AI工具，使用具有SOTA性能的非专家深度学习预测药物特性。」 从无序到有序
　　训练MolMapNet模型的挑战在于，分子特性通常是一组无序的数据。而AI工具通常需要对一组有规则的数据集进行训练，来「学习」数据集中的特定模式，完成目标任务。数据的无序性极大地损害了AI在药物分析中的性能。
　　Chen指出：「我们知道药物研究需要学习大量的分子特性，特别是从人类知识中获得的丰富的分子特性集合，但是，这些分子特性很难被AI学习。」
　　图示：MolMap特征生成流程图。（来源：论文）
　　Chen和他的同事希望克服这一限制，以提高用于预测药物特性的深度学习模型的性能。他们研究了各种可能的解决方案。「由于药物的数据有限，很难对AI体系结构进行改善」，Chen表示，因此他们选择在AI读取分子特性的方式上进行改善。
　　「我们的解决方案是将无序分子特性映射到有序图像中，以使AI更有效地识别分子特性。」
　　MolMap模型通过对分子表示和指纹特征的余弦相关进行学习，将高纬的分子表示和指纹特征投影到二维特征图中，不仅展示了各自的独特表示，还显示了它们的内在关联。 开箱即用
　　研究人员提出的是一种开箱即用的深度学习模型，它省去了耗时耗力的调参过程，这意味着即使是非专业用户也可以使用该模型。
　　图示：研究人员创新的开箱即用的MolMapNet AI工具可用于对药物特性进行深度学习预测。（来源：techxplore.com）
　　在MolMapNet模型的使用说明中，研究人员写道：「为了改善对药物特性的深度学习预测，我们的方法遵循三个步骤。」
　　首先，广泛学习「来自800万个分子的分子特性之间的内在联系」。这些「关系」之间可能存在联系，有助于缩小潜在的药物特性。
　　接着，使用新开发的数据转换技术将药物的分子特性映射到2D图像中。其中，像素布局反映了这些不同特性之间的内在联系，包含了药物特性的关键指标，这些指标可以被经过适当训练的深度学习模型捕获。
　　最后，训练图像识别工具以「学习」映射的图像，并使用该工具预测药物特性。AI工具可以捕获特定的像素布局模式来预测药物特性，这类似于计算机视觉中的图像识别和分类。
　　未来，开箱即用的深度学习模型可能会帮助科学家更快、更有效地预测不同药物的特性，从而大大加快药物研究的速度。Chen和他的同事们也计划在接下来的研究中进一步开发他们的模型，以使模型可以应用于生物医学研究。
　　论文链接：http://dx.doi.org/10.1038/s42256-021-00301-6
　　项目地址：https://github.com/shenwanxiang/bidd-molmap