多模态对比增强分子表示学习与性质预测

《Biophysica》:Multimodal Contrast-Enhanced Molecular Representation Learning and Property Prediction Hong Luo, Jie He, Zhichao Liu and Chen Zeng

【字体: 大 中 小 】 时间:2026年03月29日 来源:Biophysica 1.8

编辑推荐:

  分子表示学习(MRL)因在下游应用(如分子性质预测和药物发现)中的关键作用而备受关注。在大多数MRL方法中,分子通过图神经网络(GNN)编码为2D拓扑图,但该网络存在过平滑问题和感受野受限。此外,大多数GNN模型未能利用决定分子理化性质与生物活性的3D空间结构

  
分子表示学习(MRL)因在下游应用(如分子性质预测和药物发现)中的关键作用而备受关注。在大多数MRL方法中,分子通过图神经网络(GNN)编码为2D拓扑图,但该网络存在过平滑问题和感受野受限。此外,大多数GNN模型未能利用决定分子理化性质与生物活性的3D空间结构信息。为此,研究人员提出多模态对比增强分子表示学习(MCMRL)。该方法利用分子的2D拓扑信息和3D结构信息进行对比学习,以增强分子图表示。进一步,它还整合了额外的分子指纹信息和特征融合技术,以融合多模态知识,生成更可靠且更具泛化能力的分子表示。MCMRL在PubChem数据库中约1000万个未标记分子上预训练,随后在多个下游基准任务中评估。实验结果表明,MCMRL在13项分子性质预测基准测试中的9项中取得优越性能,验证了其在分子表示学习中的有效性。此外,通过MCMRL表示筛选出的与生物靶蛋白DRD2结合的潜在分子药物表现出有前景的亲和力评分,进一步证明了该方法的有效性。
论文解读

研究背景、问题与意义:

分子性质预测是计算药物与材料发现的基础步骤,其准确性依赖于可靠的分子表示学习(MRL)。传统分子表示(如SMILES、ECFP、RDKFP)虽广泛使用,但面对约1060量级的药理学活性分子化学空间,亟需更通用的表示学习方法。当前主流的图神经网络(GNN)通过将分子映射为2D拓扑图(原子为节点,化学键为边)来捕获拓扑信息,但存在过平滑问题和感受野受限,难以表征复杂分子特征。同时,多数GNN模型忽略决定分子理化性质与生物活性的3D空间结构信息。已有自监督学习(SSL)方法虽能缓解标注数据稀缺,但存在特征建模狭窄、预训练设计简化等问题:如PretrainGNN仅利用2D拓扑信息,GraphMVP尝试对齐2D与3D视图却未纳入官能团信息,FG-BERT采用官能团掩码策略却排除3D空间信息。这些方法未能实现2D拓扑特征与3D几何特征的深度融合,也忽略了传统分子指纹中蕴含的化学先验知识(如官能团、子结构),导致泛化能力不足。为此,研究人员提出多模态对比增强分子表示学习(MCMRL),通过2D与3D信息的对比学习增强分子图表示,并融合分子指纹信息,以构建更鲁棒、更通用的分子表示。该研究发表在《Biophysica》。

关键技术方法概述:

MCMRL框架包含两阶段:预训练与微调。主要技术方法包括:(1)2D编码器模块:采用图同构网络(GIN)提取2D分子图的局部拓扑特征,通过邻居聚合与读出函数获得图级嵌入。(2)3D编码器模块:基于SchNet架构,利用连续滤波卷积层处理原子3D坐标,生成3D分子图嵌入;分子构象由RDKit工具箱(ETKDG算法初始化,MMFF94力场优化)生成。(3)分子指纹编码器模块:融合三种互补指纹——MACCS指纹(166位)、PubChem指纹(881位)、药效团ErG指纹,通过人工神经网络(ANN)提取指纹表示。(4)融合模块:采用交叉注意力机制,将2D图嵌入与3D图嵌入拼接后作为查询向量,指纹表示作为键-值对,计算交互注意力,经层归一化得到最终分子表示。(5)对比学习模块:使用InfoNCE损失函数,将同一分子的2D与3D嵌入作为正样本对,不同分子的嵌入作为负样本对,经投影头映射到同一向量空间后计算余弦相似度,优化表示。预训练使用PubChem数据库中约1000万个未标记分子,微调在目标分子性质数据集上通过监督学习完成。

研究结果与结论:

3.1 MCMRL概述:MCMRL是一个自监督对比学习框架,通过2D拓扑与3D结构的对比学习增强分子图表示,并融合三种分子指纹(MACCS、药效团ErG、PubChem),经交叉注意力融合模块整合多模态知识,形成“局部-全局-相互作用”分层互补表示。预训练后,在目标数据集上微调进行性质预测。

3.2 分子性质预测性能:在MoleculeNet的7个分类任务与6个回归任务中,MCMRL在13项基准中的9项取得最优或接近最优性能。分类任务中,MCMRL在7项中的5项ROC-AUC优于其他基线(包括Attentive FP、D-MPNN等自监督/预训练模型);回归任务中,MCMRL在FreeSolv、ESOL、Lipo等4项中RMSE最低,在QM7、QM9上接近最优。与专为量子性质设计的MGCN相比,MCMRL虽在量子力学数据集上略逊,但在多数常规性质预测任务中表现更优,表明其良好的化学空间泛化能力。

3.3 对比学习预训练与多模态融合评估:通过对比有无对比学习增强的分子图表示余弦相似度分布,发现预训练后正样本对相似度从平均0.6提升至0.93,负样本对从平均0.5降至接近0,证明对比学习有效区分不同分子。进一步移除不同模态(2D、3D、指纹)或融合模块的消融实验显示,完整MCMRL在分类与回归任务中平均性能最优,缺失任一特征类别或融合模块均导致性能下降,验证了多模态信息与融合模块的不可或缺性。

3.4 MCMRL图表示能力探究:使用t-SNE对10万个验证集分子的图表示进行二维可视化,发现分子按分子量自然聚类,且结构相似分子(如含氯苯环或苯环羰基的化合物)在表示空间中邻近,表明预训练使模型学习了分子间内在关系。进一步以查询分子比较MCMRL图表示与ECFP、RDKFP指纹的相似性,发现MCMRL表示距离与指纹相似度呈负相关,且下降趋势更显著,说明MCMRL表示具有更强的分子表征能力。

3.5 案例研究:DRD2潜在药物:以DRD2配体8NU为查询分子,基于MCMRL表示距离将10万个分子分桶,每桶随机选100个分子与DRD2受体(PDB: 6CM4)进行分子对接(AutoDock Vina)。结果显示,与8NU表示距离最近的分子桶平均结合亲和力(?11.78)显著低于其他桶,且随距离增大结合亲和力升高。10个最近邻分子的结合亲和力范围为?10.5至?12.7,与8NU的?12.1高度一致,且结构高度相似(如铅分子仅差一个氢原子)。这表明MCMRL表示能有效识别与已知活性分子结构相似的潜在药物分子。

讨论与结论:

讨论指出,MCMRL的对比学习机制使模型捕获了2D拓扑与3D几何特征间的细粒度关联(正样本对余弦相似度提升至0.93),本质是学习了“拓扑结构决定空间几何,空间几何反映理化性质”的化学规则,弥补了现有方法对结构-性质相关性捕获不足的缺陷。多模态融合中,2D拓扑确保局部成键信息准确性,3D几何表征空间位阻与分子间相互作用,分子指纹引入官能团、子结构与药效团分布的化学先验,三者融合是MCMRL在13项基准中9项表现优越的核心原因。但存在局限:3D构象生成依赖经典力场,对大分子预测精度有限;对量子力学性质的预测不如专为量子相互作用设计的MGCN。未来方向包括引入3D构象空间或多构象,以及纳入量子化学描述符和更通用的多模态融合增强策略。

研究结论:研究人员提出了一种新型多模态对比增强分子表示学习模型MCMRL,创新性地整合了2D拓扑、3D空间结构和官能团指纹等多模态信息,通过交叉注意力融合模块实现局部拓扑嵌入、全局几何嵌入与指纹信息的深度集成,克服了现有方法依赖单模态或部分模态特征学习的局限。在13个分子性质预测基准数据集上,MCMRL在9个任务中取得显著性能提升;DRD2潜在药物案例进一步证明了该方法的有效性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号