九九热视频精品在线_国产成人mv视频在线观看_国产精品三级一区二区_亚洲精品国产av成拍色拍婷婷_久久伊人一区二区_国产高清精品网站_九九99热久久精品离线6_国产在线一卡2卡三卡4卡免费_日韩美女乱淫aaa高清视频_亚洲大胆_啪啪一级视频_午夜av免费观看_国产高清精品福利私拍国产写真_亚洲婷婷五月综合狠狠_日韩欧美一区二区三区视频_岛国av免费看_精品国产乱码久久久久久久软件_亚洲国产成人精品无码区99_www日本色_免费黄色看片

題圖來源：AI生成

編輯 | 白菜葉

在廣闊的化學(xué)空間中優(yōu)化分子設(shè)計(jì)面臨著獨(dú)特的挑戰(zhàn)，尤其是在領(lǐng)域轉(zhuǎn)移的情況下保持預(yù)測(cè)準(zhǔn)確性。

在最新的研究中，臺(tái)灣大學(xué)（National Taiwan University）的研究人員整合了不確定性量化 (UQ)、定向信息傳遞神經(jīng)網(wǎng)絡(luò) (D-MPNN) 和遺傳算法 (GA) 來解決這些挑戰(zhàn)。

他們系統(tǒng)地評(píng)估了 UQ 增強(qiáng)型 D-MPNN 是否能夠有效優(yōu)化廣泛、開放的化學(xué)空間，并確定了最有效的實(shí)施策略。

測(cè)試結(jié)果表明，使用 Tartarus 和 GuacaMol 平臺(tái)的基準(zhǔn)，通過概率改進(jìn)優(yōu)化 (PIO) 進(jìn)行 UQ 集成，在大多數(shù)情況下可以提高優(yōu)化成功率，支持更可靠地探索化學(xué)多樣化區(qū)域。

在多目標(biāo)任務(wù)中，PIO 被證明具有特別的優(yōu)勢(shì)，能夠平衡相互競(jìng)爭(zhēng)的目標(biāo)，并且優(yōu)于不確定性不可知論方法。這項(xiàng)研究為將 UQ 集成到計(jì)算輔助分子設(shè)計(jì) (CAMD) 中提供了實(shí)用指南。

該研究以「Uncertainty quantification with graph neural networks for efficient molecular design」為題，于 2025 年 4 月 5 日發(fā)布在《Nature Communications》。

探索新型化學(xué)材料是一項(xiàng)關(guān)鍵的科學(xué)事業(yè)，有可能極大地促進(jìn)經(jīng)濟(jì)和社會(huì)的發(fā)展。從歷史上看，創(chuàng)新分子的發(fā)現(xiàn)會(huì)引起各個(gè)領(lǐng)域的重大突破，包括開發(fā)增強(qiáng)的醫(yī)療療法、創(chuàng)新的化學(xué)反應(yīng)催化劑和更高效的碳捕獲技術(shù)。這些發(fā)現(xiàn)傳統(tǒng)上是勞動(dòng)密集型實(shí)驗(yàn)過程的結(jié)果，其特點(diǎn)是大量反復(fù)試驗(yàn)。

為應(yīng)對(duì)傳統(tǒng)實(shí)驗(yàn)方法的局限性，計(jì)算輔助分子設(shè)計(jì)（CAMD）已經(jīng)成為一種重要解決方案。但是分子設(shè)計(jì)中有一個(gè)核心挑戰(zhàn)：在廣闊的化學(xué)空間中進(jìn)行優(yōu)化，保持預(yù)測(cè)準(zhǔn)確性非常困難，尤其是在域轉(zhuǎn)移的情況下。

在最新的研究中，臺(tái)灣大學(xué)的研究人員通過將 GNN 與 GA 相結(jié)合進(jìn)行分子優(yōu)化來解決此問題，從而可以直接探索化學(xué)空間，而無需依賴預(yù)定義庫或生成模型。

為了減輕與外推區(qū)域中的替代模型預(yù)測(cè)相關(guān)的錯(cuò)誤，研究人員將 UQ 集成到 GNN 框架中。受 BO 中使用的獲取函數(shù)的啟發(fā)，該團(tuán)隊(duì)系統(tǒng)地研究了將 UQ 納入 CAMD 的不同方法，包括概率改進(jìn)和預(yù)期改進(jìn)方法。

實(shí)驗(yàn)表明，概率改進(jìn)優(yōu)化 (PIO) 方法使用概率評(píng)估來指導(dǎo)優(yōu)化過程，在促進(jìn)使用 GNN 探索化學(xué)空間方面特別有效。鑒于實(shí)際應(yīng)用通常要求分子特性滿足特定的閾值而非極值，PIO 方法量化了候選分子超過預(yù)定義特性閾值的可能性，減少了對(duì)模型可靠范圍之外的分子的選擇，并促進(jìn)了具有更優(yōu)異特性的候選分子的篩選。

圖示：用于 PIO 策略的工作流程和方法。（來源：論文）

評(píng)估

該研究包括使用 Tartarus 和 GuacaMol 平臺(tái)對(duì)不確定性不可知和不確定性感知優(yōu)化方法進(jìn)行全面評(píng)估，這兩個(gè)平臺(tái)都是解決一系列設(shè)計(jì)挑戰(zhàn)的開源分子設(shè)計(jì)工具。

第一個(gè)平臺(tái) Tartarus 提供了一套復(fù)雜的基準(zhǔn)測(cè)試任務(wù)，專門用于解決材料科學(xué)、制藥和化學(xué)反應(yīng)領(lǐng)域的實(shí)際分子設(shè)計(jì)挑戰(zhàn)。

Tartarus 利用成熟的計(jì)算化學(xué)技術(shù) [包括力場(chǎng)和密度泛函理論 (DFT)] ，以高計(jì)算效率模擬復(fù)雜的分子系統(tǒng)。這些基準(zhǔn)測(cè)試涵蓋了廣泛的應(yīng)用，從優(yōu)化有機(jī)光伏電池和發(fā)現(xiàn)新型有機(jī)發(fā)光二極管 (OLED)，到設(shè)計(jì)蛋白質(zhì)配體和開拓新的化學(xué)反應(yīng)。這種廣度使得研究人員能夠在多個(gè)真實(shí)世界的模擬場(chǎng)景中全面評(píng)估各種分子設(shè)計(jì)算法。

第二個(gè)分子設(shè)計(jì)平臺(tái) GuacaMol 是藥物發(fā)現(xiàn)領(lǐng)域公認(rèn)的標(biāo)桿，廣泛應(yīng)用于各類分子優(yōu)化研究，設(shè)計(jì)任務(wù)包括上市藥物的再發(fā)現(xiàn)、相似性評(píng)估、中間分子生成、異構(gòu)體生成等。

由此，研究人員選擇了適合分子屬性優(yōu)化的任務(wù)，包括三個(gè)單目標(biāo)任務(wù)，旨在識(shí)別與特定藥物相似的結(jié)構(gòu)，以及四個(gè)多目標(biāo)任務(wù)，重點(diǎn)是尋找兩種藥物之間的中間分子或?qū)崿F(xiàn)多屬性優(yōu)化（MPO）。

圖示：所涉及的分子設(shè)計(jì)任務(wù)總結(jié)。（來源：論文）

與 Tartarus 中的物理模擬不同，GuacaMol 使用 RDKit 中實(shí)現(xiàn)的確定性函數(shù)來計(jì)算屬性值，從而消除了數(shù)據(jù)的隨機(jī)性。

為了模擬現(xiàn)實(shí)世界中機(jī)器學(xué)習(xí)（ML）替代模型很少完美的場(chǎng)景，研究人員對(duì) GuacaMol 數(shù)據(jù)集進(jìn)行了下采樣，以在 GA 過程中構(gòu)建 ML 替代模型來進(jìn)行適應(yīng)度預(yù)測(cè)。在這種設(shè)置中，分子設(shè)計(jì)過程最初依賴于可能不完善的替代模型來提出分子結(jié)構(gòu)，然后使用基于 RDKit 的 oracle 函數(shù)進(jìn)行驗(yàn)證。

結(jié)果

兩個(gè)平臺(tái)上的基準(zhǔn)測(cè)試結(jié)果表明，與傳統(tǒng)的不確定性不可知論方法相比，PIO 通常會(huì)提高優(yōu)化成功率。

在單目標(biāo)任務(wù)中，PIO 會(huì)在人們熟知的區(qū)域和探索較少的區(qū)域之間平衡搜索，從而降低選擇預(yù)測(cè)可能不可靠的候選區(qū)域的風(fēng)險(xiǎn)。這種方法與 EI 形成對(duì)比，EI 通常側(cè)重于高方差區(qū)域，導(dǎo)致性能不一致。但是，值得注意的是，在所需屬性與可用數(shù)據(jù)中表示的屬性有很大差異的任務(wù)中，PIO 的性能可能會(huì)降低。這突出了方法論上需要進(jìn)一步改進(jìn)的領(lǐng)域。

圖示：通過不同方法生成的前 100 個(gè)分子的真實(shí)屬性值的比較分布。（來源：論文）

在多目標(biāo)優(yōu)化場(chǎng)景中，PIO 始終表現(xiàn)出優(yōu)勢(shì)，它比加權(quán)標(biāo)量化方法更有效地平衡了相互競(jìng)爭(zhēng)的目標(biāo)，而加權(quán)標(biāo)量化方法可能會(huì)以犧牲其他屬性為代價(jià)而偏向特定屬性的優(yōu)化。通過將 UQ 直接納入適應(yīng)度函數(shù)，PIO 支持一種更平衡的方法，通?？蓪?shí)現(xiàn)多個(gè)目標(biāo)的更高命中率。

這在 CAMD 中尤其重要，因?yàn)閷?shí)際應(yīng)用通常需要同時(shí)滿足多個(gè)屬性閾值。PIO 能夠適應(yīng)不同的目標(biāo)，而不會(huì)過分強(qiáng)調(diào)任何單一目標(biāo)，這增強(qiáng)了其在發(fā)現(xiàn)適合復(fù)雜應(yīng)用的化合物方面的實(shí)用性。

總之，將 UQ 與 GNN 集成用于 CAMD 代表了一種開創(chuàng)性的方法，為發(fā)現(xiàn)新型化學(xué)材料提供了一種更可靠、更可擴(kuò)展的策略。通過廣泛的基準(zhǔn)測(cè)試和驗(yàn)證，該研究證明了不確定性感知 GNN 算法在分子設(shè)計(jì)中的潛力，并在有機(jī)電子、生物化學(xué)和材料科學(xué)等領(lǐng)域具有廣闊的應(yīng)用前景。

論文鏈接：https://www.nature.com/articles/s41467-025-58503-0