ELECTRUM：一种基于电子排布的通用金属指纹识别方法，适用于过渡金属化合物

《Digital Discovery》：ELECTRUM: an electron configuration-based universal metal fingerprint for transition metal compounds

电子构型基于的过渡金属通用指纹（ELECTRUM）能够有效捕获配位数、氧化态及量子化学性质，其生成方法高效且无需3D结构，适用于大规模金属化合物分析。

　　近年来，机器学习在化学领域的应用迅速增长，广泛渗透到药物发现、材料科学、催化反应等多个研究方向。这一趋势的推动主要源于化学数据的快速增长以及机器学习算法在处理复杂化学信息方面的能力提升。在这一背景下，研究者们不断探索新的分子表示方法，以更好地适应不同化学体系的需求。然而，对于过渡金属化合物而言，由于其结构多样性、配位数变化以及氧化态的复杂性，传统用于有机分子的机器学习方法往往难以有效捕捉其化学特征。为了解决这一问题，ELECTRUM作为一种基于电子配置的通用过渡金属指纹，被提出并验证其在机器学习中的潜力。

ELECTRUM的核心设计理念是将过渡金属化合物的结构信息转化为一种机器可读的格式，以便在各种预测任务中进行有效建模。其生成方式依赖于对配体结构的编码和金属中心电子配置的描述。具体而言，ELECTRUM指纹由两个部分组成：一是基于配体的指纹，二是金属中心的电子配置编码。这种设计使得ELECTRUM不仅能够捕捉配体的结构信息，还能够通过金属的电子配置提供关键的化学特征。这种组合方式为机器学习模型提供了丰富的输入信息，同时保持了较高的计算效率。

为了验证ELECTRUM的有效性，研究团队利用了来自剑桥结构数据库（CSD）的大量过渡金属化合物数据，并对其进行了多方面的测试。首先，ELECTRUM被用于预测过渡金属化合物的配位数。这一任务在化学研究中具有重要意义，因为配位数直接影响化合物的结构和功能特性。在测试中，ELECTRUM指纹在多个性能指标上均优于传统方法，例如ROC AUC（受试者工作特征曲线下面积）和AUPRC（精确率-召回率曲线下面积）。这些指标的显著提升表明，ELECTRUM能够更准确地反映金属化合物的化学特性，从而支持有效的机器学习预测。

其次，ELECTRUM被用于预测过渡金属化合物的氧化态。氧化态是过渡金属化合物的重要化学属性之一，它不仅影响化合物的稳定性，还与催化活性、生物活性等密切相关。在这一测试中，ELECTRUM表现出了极高的预测精度，例如在ROC AUC上达到了95.1%，在精确率和召回率上均超过91%。这一结果说明，ELECTRUM在捕捉氧化态相关特征方面具有显著优势，能够通过简单的输入信息（如配体结构和金属电子配置）实现高效的预测。

此外，ELECTRUM还被用于预测量子力学性质，例如极化率、电子能量、熵值等。这些性质对于理解金属化合物的反应机制和设计新型材料具有重要意义。在测试中，ELECTRUM在多个量子力学性质的预测任务中表现出色，其性能指标在许多情况下优于传统的配体指纹和仅包含金属标识的简单编码方法。这表明，ELECTRUM不仅能够处理结构信息，还能够通过金属的电子配置提供更深层次的化学信息，从而支持更复杂的预测任务。

值得注意的是，ELECTRUM的设计注重计算效率。相比于需要优化3D结构或进行量子化学计算的其他方法，ELECTRUM仅依赖于配体的2D SMILES表示和金属的电子配置编码。这种轻量级的设计使得ELECTRUM在处理大规模数据集时具有显著优势，能够快速生成指纹并进行预测。在实际测试中，生成217,517个ELECTRUM指纹仅需约265秒，相当于每个化合物的处理时间约为1.2毫秒。这种高效的计算能力对于需要处理海量数据的机器学习任务尤为重要，例如虚拟筛选、高通量筛选等。

ELECTRUM的性能不仅体现在预测准确率上，还体现在其对化学结构的表征能力。通过使用TMAP（一种基于最小生成树的可视化方法），研究团队展示了ELECTRUM指纹在二维空间中的聚类效果。这些聚类不仅反映了不同氧化态和配位数的化合物之间的相似性，还揭示了其在化学多样性下的适应能力。例如，在配位数预测任务中，具有相同配位数的化合物在TMAP图中形成了紧密的聚类，这表明ELECTRUM能够有效区分不同结构的化合物，同时保留其化学特征。

ELECTRUM的另一个重要优势是其对配体重复出现情况的处理能力。在许多金属化合物中，相同的配体可能以不同的方式结合，从而影响整体的化学行为。然而，ELECTRUM通过位运算的方式保留了这些信息，确保了模型在预测时能够区分不同的配体组合。这种能力在预测任务中尤为重要，因为配体的种类和数量直接影响化合物的性质。

尽管ELECTRUM在多个任务中表现优异，但其仍然存在一些局限性。例如，目前的版本无法捕捉立体化学信息，这意味着对于具有不同立体构型的化合物（如顺式和反式铂配合物），ELECTRUM生成的指纹可能相同。这一问题可以通过在配体结构中引入手性标签来解决，以确保立体构型的差异能够被有效编码。然而，这种改进可能会增加计算复杂度，因此研究团队希望在未来找到一种在不显著影响计算效率的前提下，能够更好地处理立体化学信息的方法。

总体而言，ELECTRUM为过渡金属化合物提供了一种高效、简洁且具有化学意义的分子表示方法。它不仅能够支持多种机器学习任务，如分类和回归，还能够通过其独特的编码方式，捕捉到与配位数和氧化态相关的结构特征。此外，ELECTRUM的计算效率使其在处理大规模数据集时具有明显优势，能够快速生成指纹并进行预测。这种特性使其成为过渡金属化合物研究中的有力工具，有望在未来被广泛应用于各种化学领域，如药物设计、材料开发和催化研究。

未来，研究团队计划进一步扩展ELECTRUM的应用范围，特别是在预测过渡金属化合物的生物活性方面。这一方向的研究将有助于揭示过渡金属化合物在生物体系中的行为，为新型药物和生物材料的开发提供理论支持。同时，他们也希望探索ELECTRUM在其他化学任务中的潜力，如预测反应路径、筛选具有特定性质的化合物等。此外，研究团队还希望改进ELECTRUM的编码方式，使其能够更好地处理立体化学信息，并与其他基于图的机器学习方法相结合，以提升其在复杂化学体系中的适用性。

ELECTRUM的成功不仅在于其高效的计算能力，还在于其在实际应用中的灵活性和可扩展性。作为一种通用的指纹方法，ELECTRUM可以被不同研究团队使用，并根据具体需求进行调整和优化。研究团队鼓励化学界进一步测试和验证ELECTRUM的性能，并提出将其作为过渡金属化合物研究中的标准工具。通过社区的共同努力，ELECTRUM有望在未来的机器学习研究中发挥更大的作用，推动过渡金属化合物的结构-功能关系研究，并加速相关领域的创新进程。