Causal-Chemprop:用于分子性质预测与设计的因果机器学习 摘要 机器学习模型越来越多地被应用于预测分子性质和加速材料发现，但其泛化性能差，且很少能可靠地超越基线方法。我们提出 Causal-Chemprop，这是一种结合化学知识图谱的因果机器学习方法。该方法采用基于化学图注意力机制的因果机器学习模型，能够自动学习化学键的不变特征，并捕捉具有因果关系的原子间相互作用。我们证明该方法优于广泛使用的深度学习基准，能够进行准确的性质预测和分子设计。Causal-Chemprop 在泛化性、可解释性和鲁棒性方面均展现出显著优势，为药物发现和材料设计提供了强有力的工具。 关键词：因果机器学习、分子性质预测、分子设计、化学图注意力机制、药物发现

《Journal of Chemical Information and Modeling》：Causal-Chemprop: Causal Machine Learning for Molecular Property Prediction and Design

　　

打开图像查看器
摘要
分子性质的先验估计长期以来一直是药物科学中分子设计领域极具吸引力且备受关注的话题。尽管基于神经网络的模型已取得很高的预测精度，但它们在分子设计中的实用性有限，特别是在小数据量和分布外（OOD）数据条件下。当前基于神经网络的模型缺乏明确纳入来自现有数据的先验知识的机制。在此，我们介绍了一种名为Causal-Chemprop的因果机器学习框架，该框架基于Chemprop和DAGMA架构，用于分子性质预测。其反事实推理能力支持分子结构的人在环路（human-in-the-loop）优化，我们通过改善分布外激酶抑制剂pIC50值的排名顺序来证明这一点——尤其是在标准编码器外推效果不佳的情况下——包括在支架系列内部以及跨系列，在一个测试支架已知的先导化合物优化场景中。我们进一步将Causal-Chemprop与分子优化算法EvoMol集成为评分函数，在该场景中它倾向于产生比Chemprop更具可合成性、更接近所需活性化合物的分子。据我们所知，这是首次将神经网络学习的分子表示与结构因果模型相结合，通过反事实推理进行分子性质预测和优化的应用，为分子性质预测和设计开辟了若干极具前景的新探索途径。

1. 引言
分子物理化学性质和生物性质的预测对于分子发现和候选物优化至关重要。机器学习（ML），包括传统机器学习和现代深度学习（DL），被广泛用于进行治疗性药物、(1) 电池电解质、(2) 化学催化剂，(3) 和有机半导体的分子性质预测。(4) 在小分子治疗性药物发现中，ML驱动的性质预测用于预测蛋白质结合，(5) 抗菌活性，(6) 渗透性，(7) 和溶解度等性质。(8) 对于传统的人在环路设计，ML驱动的性质预测通过快速假设检验和虚拟筛选来加速设计迭代。(9, 10) 使用在大量化学空间上训练的ML模型进行虚拟筛选，可以识别化学命中化合物，从而促使进一步研究和优化。(10) 闭环自动驾驶实验室的快速普及提高了准确性质预测的重要性，因为AI驱动的决策依赖于预测性质来导航设计空间并提出实验方案。(11, 12)

尽管ML驱动的虚拟筛选总体上取得了成功，但由于对分布外（OOD）分子的外推能力有限，ML模型在分子候选物优化中的实用性受到限制。(13?15) 从命中到先导物（hit-to-lead）以及先导化合物优化阶段的常见任务包括支架跳跃(16)和装饰优化(17)，以优化分子性质。在此场景下，新合成的先导化合物的实验测定性质通常是已知的，但目标是预测密切相关分子类似物的性质。(18, 19) 现有ML和DL方法在此场景中存在一个关键局限性。几乎所有ML和DL模型都缺乏明确的机制来在推理时将预测条件化到新获得的实验证据上，从而限制了它们对这类OOD分子的外推能力。(20?22) 最好情况下，这些模型可以重新训练以纳入新的实验数据，但对于训练期间产生大量计算成本的现代模型而言，这往往效率低下或不切实际。然而，即使使用新的性质数据重新训练，也只是扩展了训练数据的分布，并不能解决模型在推理时无法外推到OOD分子的问题。双线性转导提供了一种通过关系学习在给定锚定分子（例如先导化合物）的情况下进行OOD预测的方法。它在训练集中搜索类比关系，然后将这种学习到的关系应用于锚定分子，以预测其类似物的性质。(14) 然而，双线性转导依赖于所选类比与锚定-测试分子对之间的高度一致关系。此外，类比搜索的计算复杂度为N3，限制了其可行性。测试时适应通过熵最小化(22)或辅助任务学习(21)等策略，在推理时将预训练模型适应到无标记数据。(20) 然而，这在很大程度上局限于图像识别任务，因为对离散分子图的微小变化可能会破坏化学有效性并改变性质。最后，Fox等人(23)使用LinGAM在固定的分子描述符上学习了一个结构因果模型（SCM），(24) 并以此来确定在分子设计中实现所需性质值所需的最优原子do干预。然而，该方法无法推广到对分子表示的多个特征进行do干预以估计总体平均响应，也不支持观察锚定分子以进行反事实预测。在此，我们解决了在给定锚定分子的情况下OOD性质预测这一关键空白，并将其扩展到先导化合物优化场景中的分子设计。我们提出了一种名为Causal-Chemprop的因果机器学习框架，用于分子性质预测，该框架基于Chemprop架构(25)和DAGMA算法。(26) 在这一方案中，我们使用Chemprop——一种广泛用于性质预测的图神经网络（GNN）模型——来学习分子表示，并使用DAGMA学习将学习到的表示与分子性质关联起来的SCM（图1a）。需要注意的是，我们并非试图用DAGMA发现因果构效关系。SCM通过反事实推理促进了一种超越朴素黑盒性质预测的推理策略，如图1b所示。在反事实推理期间，模型首先观察一个锚定分子及其性质，例如作为正在进行的一系列化合物合成的一部分而获得的先导化合物及其实验测定的pIC50值。然后Causal-Chemprop将此作为先验知识，用于估计从先导化合物衍生出的类似分子的目标性质的反事实结果。我们假设，将预测条件化于锚定结构-性质对，能够在观察数据的局部化学邻域中实现更准确的性质预测。

图1
打开大图 下载至幻灯片
图1.(a) Causal-Chemprop是建立在Chemprop之上的结构因果模型。(1) 首先，一组分子结构被编码为分子图并输入到Chemprop消息传递神经网络（MPNN）中。(2) 执行节点聚合以生成学习的分子嵌入，Xanalog = [X1, X2, X3]，这些嵌入连同其对应的目标性质Yanalog一起输入到DAGMA (26)中，以生成有向无环图（DAG）。(3) 为DAG的每个节点分配加性噪声模型，将其父节点的数值和外生噪声Zi映射到自身。该对象现在成为结构因果模型（SCM）。(b) 反事实推理利用推理时的观察来条件化SCM并改善OOD预测。(1) Chemprop模块为"锚定"分子生成学习的嵌入。(2) 在溯因步骤中，通过观察锚定表示Xanchor'及其目标性质Yanchor'来条件化SCM。(3) 然后计算SCM中每个节点的外生噪声Zi'。(4) 使用Chemprop为类似于锚定分子的测试分子生成分子嵌入。(5) 对高固有因果贡献者（ICCs，见2.3.1节）进行do干预，将它们的值分配为测试分子的新潜在特征值。(6) 最后在行动步骤中，执行目标性质的因果机制以预测测试分子的性质Y*，其条件是观察到的性质值中提取的噪声Z'。第2节详细介绍了Causal-Chemprop架构和反事实推理。

图1
打开大图 下载至幻灯片
图1.(a) Causal-Chemprop是建立在Chemprop之上的结构因果模型。(1) 首先，一组分子结构被编码为分子图并输入到Chemprop消息传递神经网络（MPNN）中。(2) 执行节点聚合以生成学习的分子嵌入，Xanalog = [X1, X2, X3]，这些嵌入连同其对应的目标性质Yanalog一起输入到DAGMA (26)中，以生成有向无环图（DAG）。(3) 为DAG的每个节点分配加性噪声模型，将其父节点的数值和外生噪声Zi映射到自身。该对象现在成为结构因果模型（SCM）。(b) 反事实推理利用推理时的观察来条件化SCM并改善OOD预测。(1) Chemprop模块为"锚定"分子生成学习的嵌入。(2) 在溯因步骤中，通过观察锚定表示Xanchor'及其目标性质Yanchor'来条件化SCM。(3) 然后计算SCM中每个节点的外生噪声Zi'。(4) 使用Chemprop为类似于锚定分子的测试分子生成分子嵌入。(5) 对高固有因果贡献者（ICCs，见2.3.1节）进行do干预，将它们的值分配为测试分子的新潜在特征值。(6) 最后在行动步骤中，执行目标性质的因果机制以预测测试分子的性质Y*，其条件是观察到的性质值中提取的噪声Z'。第2节详细介绍了Causal-Chemprop架构和反事实推理。
关闭图1

我们在若干场景下展示了Causal-Chemprop和反事实推理与传统Chemprop模型的性能对比。首先，我们评估了两种方法在预测从Sharma等人(27)整理的激酶知识库中精选的ABL1、AURKA和SRC激酶抑制剂pIC50值方面的性能，测试对训练或验证数据中不存在的新分子支架的OOD外推。我们还预测了来自完全不同数据集的分子的pIC50值，即Huang等人(28)概念化的ABL1抑制剂和Bavetsias等人(29)概念化的AURKA抑制剂。我们还使用进化算法EvoMol (30)来优化每个ABL1和AURKA OOD支架组中的锚定分子并最大化其pIC50值，将Chemprop和Causal-Chemprop模型均作为评分函数进行比较。总体而言，我们提出了一种新的分子性质预测模型架构，该架构依赖于SCM，能够在推理时高效利用新的测量数据进行OOD预测。我们观察到OOD排名顺序有所改善，无论是在支架系列内部还是跨系列，在基础编码器外推效果不佳的支架组中改进最为显著。在大多数分子优化任务中，我们还观察到更具可合成性、更接近"人类最佳"化合物的分子，同时也指出了该方法未超过基线水平的任务。我们相信这一范式可以推广到其他基于表示的模型，并可能在其他场景下解锁改善的OOD性能。

2. Causal-Chemprop

2.1. Chemprop
Chemprop由在原子和键上操作的局部特征编码函数、一个从局部特征学习原子嵌入的有向消息传递神经网络（D-MPNN）、一个将原子嵌入聚合为分子嵌入的聚合函数，以及一个将分子嵌入映射到目标性质的标准前馈神经网络组成。在此，Chemprop的唯一目的是生成分子表示，我们使用这些表示来学习结构因果模型，并在推理时进行反事实推理以预测分子性质。

2.2. 结构因果模型
按照Pearl的框架，(31) 结构因果模型M由两组变量X = (X1, ..., Xd)和Z = (Z1, ..., Zd)，以及一组非参数化结构方程F = (f1, ..., fd)组成，该方程组响应X和Z的当前值，将值xi分配给每个变量Xi ∈ X：

xi = fi(X, Z), ?i ∈ [d] (1)

在此，X中的变量对应于Chemprop嵌入和分子性质。Z中的变量被认为是"外生的"，对应于M中未编码任何机制的未观察噪声。结构方程族F诱导一个因果图G(F)，定义了观察数据上的联合分布P(X)。在此，我们假设一组线性结构方程，并使用DAGMA求解。

2.2.1. 学习图结构
DAGMA算法将从观察数据中学习DAG的组合问题构建为一个连续优化问题。它求解方程1中的结构方程组F，以最小化损失函数Q(F; X)，该函数衡量候选DAG G(F)相对于观察数据X = [x1, ..., xd]的质量：

min F∈F Q(F; X) = min F∈F Σ i=1 to d loss(xi, fi(x)) s.t. G(F) ∈ DAGs (2)

DAG G(F)表示为加权邻接矩阵W(F) ∈ Rd×d，其元素Wi,j = ||?i fi||L2，因此非零的Wi,j表示从节点i到节点j的有向边。

DAGMA 采用对数行列式刻画非环性约束，并将公式2中的目标函数重构为一个无约束问题，其中对数行列式项充当非负正则化项，我们将其与损失函数一同最小化。对于任意实数 s，该正则化项遵循公式3：

ldets = ?log det(sI ? W·W) + d log s = 0 ? W ∈ DAGs (3)

DAGMA 为每个 ABL1、AURKA 和 SRC 任务学到的邻接矩阵及图结构的图示详见第S16节。

2.2.2. 学习因果机制

随后，我们为有向无环图 G(F) 中的每个节点分配并拟合因果机制，以替代公式1中未参数化的结构方程集合 fi。其中，根节点被赋予经验分布，使我们能够从所提供的数据中随机采样。非根节点被赋予加性噪声模型，根据公式4为节点 Xi 赋值 xi：

xi = fi(pai) + zi (4)

这里，fi 是一个线性回归器，以 Xi 的父节点 PAi 的取值 pai 作为输入。我们假设外生噪声变量 Zi 是与 PAi 独立的随机变量，因此它们也是根节点，同样用经验分布建模。

2.3. 反事实推理

我们现在可以在结构因果模型上进行反事实推理，以便在给定锚定分子的情况下预测类似分子的性质。反事实语句告诉我们"在 U = u 的事件下，若 X 为 x，则 Y 将为 y"，记作 Yx(u) = y。在预测分子性质（如 pIC50）的语境下，一个反事实语句可以是："若分子骨架中含有羟基，则 pIC50 将为 10，依据是我们观察到不含羟基的分子骨架 pIC50 值为 7（该观察由事件 U = u 所证实），"记作 pIC50FG=OH(u) = 10。

给定从事件 u 中观测到的命题证据 e，我们可以使用 Pearl 提出的以下三步流程来计算反事实场景：

溯因（Abduction）：观察锚定分子的分子表示与性质；这是命题证据 e，用于更新事件 U = u。对于 SCM 中的每个节点，利用其前驱节点的观测值 pai = xe 及自身的观测值 xi = ye，根据公式5提取其事件噪声 zi：

z(u) = ye ? f(xe) (5)

干预（Action）：生成类似分子的分子表示。确定要对表示中的哪些特征进行干预，然后执行干预 X = do(x)，其中 X 为所选特征，x 为其对应取值。do-干预将 X 上的任何因果影响替换为假想前件 X = x，从而产生一个修改后的 SCM，记作 Mx。

预测（Prediction）：从子模型 Mx 中估计类似分子的性质，基于更新后的事件 u 及 do-干预，得到解 Yx(u)，遵循公式6：

Yx(u) = f(do(x)) + z(u) (6)

通过将反事实推理方法与类比推理中的双线性迁移方法进行比较，有助于我们理解用于分布外性质预测的反事实推理方法。双线性迁移搜索类比关系，即在分子 A:B 与锚定分子 C 之间施加类似的关系是合理的，从而预测分子 D 的性质，如公式7所示。相比之下，反事实推理仅搜索锚定分子 A，在其结构-活性关系可被合理施加到分子 B 的情形下，如公式8所示。这显著降低了类比搜索相关的计算复杂度。

A & Property(A) : B & Property(B) :: C & Property(C) : D & Property(D) (7)

A : Property(A) :: B : Property(B) (8)

2.3.1. 内在因果贡献

在进行反事实推理的"干预"步骤之前，一个重要的步骤是确定对哪些节点进行 do-干预。我们根据内在因果贡献（ICC）的概念来选择节点，该概念衡量一个节点在调整其上游节点效应后，对下游节点取值方差造成多大程度的因果影响。概念上，一个节点的 ICC 与其外生噪声相关，而外生噪声与其前驱节点相互独立。这遵循 Janzing 等人提出的公式9：

ICC(Xj → Xn) = βn,j2 · Var(Nj) (9)

其中 βn,j 是线性 SCM（X = AX + N）中 (I ? A)?1 的最后一行元素。在此，我们选择对 ICC 大于 ICC 阈值的节点进行干预，该阈值设定为目标节点 ICC 值的一个倍数。该倍数的取值取决于测试集分子与其对应类似分子的相似性平均值，我们通过计算它们 Morgan 指纹（n = 2）的 Tanimoto 相似度来确定，遵循公式10：

ICC阈值 = max(0.5, min(2.5·simanalog, 1)) · ICC_pIC50 (10)

其中 simanalog ∈ [0, 1]。

对一个节点进行 do-干预会用 Chemprop 嵌入中对应的特征覆盖其因果机制。对 ICC 大于阈值的节点进行干预可确保测试分子不会表现出与锚定分子完全相同的行为。通过提高 ICC 阈值，我们允许从锚定分子溯因得到的更多因果机制和外生噪声通过 SCM 传播并贡献到反事实预测中。我们的类似集与测试集越相似，我们越倾向于这样做。

2.4. 建模假设及其状态

上述反事实程序调用了多个建模假设。具体而言，我们假设：(i) 从 Chemprop 嵌入中选择的特征具有因果充分性；(ii) DAGMA 返回的有向无环图在 linear 模型下是特征的有效排序；(iii) 拟合的机制在类似集局部邻域内具有不变性；(iv) 外生噪声与节点父节点独立，从而使溯因可行；(v) do-干预定义为用测试分子的对应 Chemprop 嵌入替换节点。我们的反事实方法依赖于对这些假设的经验评估，我们对每个拟合的 SCM 都进行了评估（第S11节）。这些 SCM 很好地复现了类似分布（KL 散度 0.05–0.21），且机制拟合良好（R2 = 0.80–0.94），表明 DAGMA 学到的结构捕捉到了真实的依赖关系而非任意的依赖关系。基于置换的图伪证检验未拒绝11个可伪证 DAG 中的任何一个，意味着每个 DAG 都与观测到的依赖结构相容。此外，用随机 DAG 替换 DAGMA 学到的 DAG 会使反事实推断的 performance 降至 Chemprop 基线以下（图S4）。

我们通过计算重构机制噪声与类似分子 Bemis–Murcko 骨架标识之间的 Hilbert–Schmidt 独立性准则（HSIC）p 值来检验机制不变性假设，其中高 p 值表明机制残差与骨架无关。在相同的类似集大小（N = 60）下，pIC50 机制在所有11个任务中跨骨架均保持不变。我们进行干预的上游机制也基本具有骨架不变性（总体为81%；第S11节）。

我们还检验了可逆性假设，该假设许可外生噪声的独立性并使其可以从锚定分子中溯因得到。学到的 pIC50 机制在11个任务中有10个满足可逆性假设，而其余所有潜在节点中满足可逆性假设的机制比例在0.23到0.99之间。

因此，我们将贡献定位于一个经过经验验证的、以锚定分子为条件的推断程序，而非一个可辨识的因果结构-活性模型的恢复。学到的 SCM 是一个与 Chemprop 表示上数据一致的生成模型，在该模型上反事实推理可显著改善分布外预测。

最后，我们将所干预的 Chemprop 表示特征与一组可解释的物理化学描述符进行相关性分析，以检验这些特征是否具有可解释的化学意义；我们对类似集中的分子使用 Causal-Chemprop 模型集成进行了此分析（第S15节）。在11个任务中共69个被干预的特征中，97%的特征至少与一个描述符超出随机水平的程度相关，最常见的包括分子复杂度、sp3 碳比例、环数和氢键受体数。这些结果表明，我们的 do-干预是在具有化学可解释性的轴上进行的，而非任意的潜在方向上。

3. 结果与讨论

3.1. pIC50 分布外预测

在此，我们展示 Causal-Chemprop 的反事实推断在 ABL1、AURKA 和 SRC 激酶抑制剂 pIC50 分布外外推任务上的 performance。原始的 ABL1、AURKA 和 SRC 抑制剂数据集分别包含615、810和2536个唯一分子。从每个抑制剂数据集中，通过 Murcko 骨架划分移除分布外测试集。对于 ABL1 和 AURKA，生成了4个共享同一骨架的分布外测试集，对于 SRC 生成了3个。在分布外测试集中的每一个（称为骨架组）中，我们从每组选择一个固定、预设的分子作为"锚定分子"，用于条件化 Causal-Chemprop 模型并重新训练 Chemprop 模型。

首先，我们使用全部训练数据训练一个 Chemprop 模型，采用随机80:20的训练:验证划分，每次仅排除1个分布外测试集。因此，我们训练了4个 ABL1 Chemprop 模型、4个 AURKA Chemprop 模型和3个 SRC Chemprop 模型。这些模型在对应的分布外骨架组上进行评估。

其次，为了训练和测试 Causal-Chemprop 模型，我们从基线 Chemprop 模型中提取出 MPNN 模块，将其冻结并用于生成学习到的嵌入。SCM 使用第2节中描述的算法进行训练。

第三，我们还将每个骨架组中的锚定分子加入原始 Chemprop 模型进行重新训练，并在骨架组中的剩余分子上重新评估模型 performance。

总之，对于每个分布外骨架组，我们将 Causal-Chemprop 与基线 Chemprop 模型和使用锚定分子重新训练的 Chemprop 模型进行比较。使用锚定分子重新训练 Chemprop 是我们比较 Causal-Chemprop 的多个锚定匹配基线之一（第S10节）。

我们使用 Pearson 和 Spearman 相关系数比较模型 performance，因为在先导化合物优化的语境下，pIC50 的排序比预测的绝对值更重要；不过 Chemprop 和 Causal-Chemprop 的因果机制均以 RMSE 损失进行训练，所有模型的测试 RMSE 值在第S3节报告。

在整个过程中，我们区分了合并后的跨骨架偏差校正与骨架内排序。由于表1中的每个任务对应一个骨架组，其相关系数衡量的是该骨架内的排序，因此该处的提升反映的是真正的骨架内改善，而非仅仅是跨骨架偏差的校正。按此指标，Causal-Chemprop 在 ABL1_0、ABL1_1、ABL1_2、AURKA_1、AURKA_3 和 SRC_2 上的骨架内排序相关系数优于 Chemprop 和重新训练的 Chemprop；它还在 ABL1_0 和 ABL1_3 中正确排序了活性最高的分子。在 AURKA_2 上它未显示出优于 Chemprop 的显著骨架内改善，在 ABL1_3、AURKA_0、SRC_0 或 SRC_1 上未显示出优于重新训练 Chemprop 的显著改善。

在 AURKA_1、AURKA_2、SRC_0、SRC_1 任务中，没有潜在坐标对 pIC50 携带显著 ICC，因此退化回退（第S2节）在这些组上将 Causal-Chemprop 简化为普通 Chemprop。

这些骨架内增益表明 Causal-Chemprop 不仅仅是一个简单的残差迁移模型：对于每个未干预节点，锚定分子的外生噪声都被溯因提取，因此校正通过 SCM 传播，并与 do-干预一起重新排列骨架内的分子。

我们还将 Causal-Chemprop 与另外三个锚定匹配基线进行比较，这些基线接收相同的冻结嵌入和锚定分子——直接残差校正、双线性迁移和 k 最近邻预测器。Causal-Chemprop 在11个任务中的9个上与所有这些基线持平或超越，并在6个任务上是单一最佳方法（第S10节，表S6）。

表1. 使用 Causal-Chemprop、Chemprop 和重新训练的 Chemprop 进行 OOD pIC50 预测的比较

| 数据集 | N | r | rs | r | rs | r | rs |
|--------|---|------|------|------|------|------|------|
| ABL1_0 | 14 | 0.89 | 0.76 | 0.66 | 0.71 | 0.51 | 0.55 |
| ABL1_1 | 9 | 0.59 | 0.16 | ?0.05 | ?0.29 | ?0.16 | ?0.33 |
| ABL1_2 | 9 | 0.52 | 0.38 | 0.06 | 0.20 | ?0.04 | 0.08 |
| ABL1_3 | 11 | 0.51 | 0.77 | 0.46 | 0.64 | 0.55 | 0.80 |
| AURKA_0 | 17 | 0.53 | 0.54 | 0.42 | 0.40 | 0.55 | 0.53 |
| AURKA_1 | 8 | 0.76 | 0.90 | 0.67 | 0.86 | 0.29 | 0.31 |
| AURKA_2 | 7 | 0.32 | ?0.22 | 0.50 | 0.36 | ?0.20 | ?0.22 |
| AURKA_3 | 18 | 0.75 | 0.75 | 0.57 | 0.48 | 0.63 | 0.46 |
| SRC_0 | 18 | 0.58 | 0.42 | 0.57 | 0.50 | 0.61 | 0.45 |
| SRC_1 | 13 | 0.73 | 0.77 | ?0.48 | ?0.46 | 0.72 | 0.67 |
| SRC_2 | 22 | 0.37 | 0.41 | ?0.04 | ?0.08 | 0.14 | 0.17 |

a 每个预测任务的 Pearson 相关系数 r 和 Spearman 相关系数 rs 均涵盖 ABL1、AURKA 和 SRC 抑制剂；对应的 RMSE 值在第S3节报告。每个任务的最高相关分数以粗体显示。

图2、3和4分别展示了 ABL1、AURKA 和 SRC 抑制剂的合成一致性图。Causal-Chemprop 在相关分数上表现出跨骨架的改善，尤其在 ABL1 和 AURKA 骨架组中。Chemprop 似乎将所有 ABL1 骨架聚集在一起，错误地将具有 ABL1_2 和 ABL1_3 骨架的分子排在 ABL1_0 和 ABL1_1 骨架分子之下，并错误地将所有具有 AURKA_0 骨架的分子排在其他所有 AURKA 骨架分子之下。这些都是跨骨架错误，而 Causal-Chemprop 能够正确排序。统计上，两个模型在 SRC 数据集上的整体表现均良好，尽管 Causal-Chemprop 过度夸大了 SRC_1 骨架与 SRC_2 骨架之间的 pIC50 差异——这是由于过度依赖从单个锚定分子溯因得到的外生噪声所致。

图2 查看大图 下载至幻灯片 图2. 展示ABL1抑制剂OOD pIC50预测结果的奇偶图，分别使用(a) Causal-Chemprop、(b) Chemprop和(c)重新训练的Chemprop。x轴显示真实ABL1 pIC50值，y轴显示预测的pIC50值。每个奇偶图上提供了各模型的汇总统计数据，总N=43。骨架组（0、1、2和3）按照提供的图例着色。(d) 展示各组的共享骨架以及用于为各组中的分子进行条件预测（或重新训练Chemprop）的锚定分子，骨架组展示各组的共享骨架。锚定分子与共享骨架之间的分子结构差异以红色突出显示。图2 查看大图 下载至幻灯片 图2. 展示ABL1抑制剂OOD pIC50预测结果的奇偶图，分别使用(a) Causal-Chemprop、(b) Chemprop和(c)重新训练的Chemprop。x轴显示真实ABL1 pIC50值，y轴显示预测的pIC50值。每个奇偶图上提供了各模型的汇总统计数据，总N=43。骨架组（0、1、2和3）按照提供的图例着色。(d) 展示各组的共享骨架以及用于为各组中的分子进行条件预测（或重新训练Chemprop）的锚定分子。锚定分子与共享骨架之间的分子结构差异以红色突出显示。关闭图2。图3 查看大图 下载至幻灯片 图3. 展示AURKA抑制剂OOD pIC50预测结果的奇偶图，分别使用(a) Causal-Chemprop、(b) Chemprop和(c)重新训练的Chemprop。x轴显示真实AURKA pIC50值，y轴显示预测的pIC50值。每个奇偶图上提供了各模型的汇总统计数据，总N=50。骨架组（0、1、2和3）按照提供的图例着色。(d) 展示各组的共享骨架以及用于为各组中的分子进行条件预测（或重新训练Chemprop）的锚定分子。锚定分子与共享骨架之间的分子结构差异以红色突出显示。图3 查看大图 下载至幻灯片 图3. 展示AURKA抑制剂OOD pIC50预测结果的奇偶图，分别使用(a) Causal-Chemprop、(b) Chemprop和(c)重新训练的Chemprop。x轴显示真实AURKA pIC50值，y轴显示预测的pIC50值。每个奇偶图上提供了各模型的汇总统计数据，总N=50。骨架组（0、1、2和3）按照提供的图例着色。(d) 展示各组的共享骨架以及用于为各组中的分子进行条件预测（或重新训练Chemprop）的锚定分子。锚定分子与共享骨架之间的分子结构差异以红色突出显示。关闭图3。图4 查看大图 下载至幻灯片 图4. 展示SRC抑制剂OOD pIC50预测结果的奇偶图，分别使用(a) Causal-Chemprop、(b) Chemprop和(c)重新训练的Chemprop。x轴显示真实SRC pIC50值，y轴显示预测的pIC50值。每个奇偶图上提供了各模型的汇总统计数据，总N=53。骨架组（0、1和2）按照提供的图例着色。(d) 展示各组的共享骨架以及用于为各组中的分子进行条件预测（或重新训练Chemprop）的锚定分子。锚定分子与共享骨架之间的分子结构差异以红色突出显示。图4 查看大图 下载至幻灯片 图4. 展示SRC抑制剂OOD pIC50预测结果的奇偶图，分别使用(a) Causal-Chemprop、(b) Chemprop和(c)重新训练的Chemprop。x轴显示真实SRC pIC50值，y轴显示预测的pIC50值。每个奇偶图上提供了各模型的汇总统计数据，总N=53。骨架组（0、1和2）按照提供的图例着色。(d) 展示各组的共享骨架以及用于为各组中的分子进行条件预测（或重新训练Chemprop）的锚定分子。锚定分子与共享骨架之间的分子结构差异以红色突出显示。关闭图4。

在此基础上，这种噪声修正的可靠性仅取决于锚定分子对其组的代表性：单锚定残差是组偏差的中等代理指标，因此当锚定分子是异常值时，修正会过度纠正。SRC2就是这种情况，其中锚定残差（-1.37）远远超过组偏差（-0.06），这与我们报告的该任务较高的RMSE一致。更深入的結果和讨论请参见第S13节和图S9。使用锚定分子重新训练Chemprop在相关性得分总体上对ABL1和AURKA任务显示出相对于Chemprop的改善，但在ABL11、ABL12、AURKA1和AURKA2任务的个体表现上出现了明显下降。然而，这并不反映模型学习能力的变化。Chemprop在这些任务上表现出过拟合行为，使用锚定分子重新训练并没有改变这一点；相反，模型权重的差异恰好导致了较差的相关性得分。针对SRC任务重新训练Chemprop在相关性得分上，无论在个体还是总体上，相对于Chemprop都显示出显著改善，特别是在SRC1和SRC2任务上。在这种情况下，Chemprop和重新训练的Chemprop模型都表现出过拟合行为，但模型权重的差异产生了更好的相关性得分。由于报告的结果基于每组单个锚定分子进行条件设定，我们进一步运行了使用每个OOD分子作为锚定分子的实验（第S7节）。中位数Spearman相关系数在所有三个靶标的完整锚定分布上均超过Chemprop（ABL1：0.56对比0.45；AURKA：0.60对比0.45；SRC：0.30对比-0.09）。我们进一步证明，给定锚定分子的逆事实验证推理比在Causal-Chemprop SCM的每个节点上进行干预是一种更好的推理策略。支持信息中的图S2b显示，在Causal-Chemprop模型集成上进行全节点干预在所有抑制剂任务上的表现与Chemprop模型集成相当，这是预期的，因为全节点干预简化为具有线性映射到pIC50的降维任务。我们还比较了使用5个不同随机Chemprop种子和5个不同训练-验证数据划分训练的Chemprop和Causal-Chemprop模型集成（图S2a和S3）。虽然Causal-Chemprop模型集成显示出预测鲁棒性并优于Chemprop模型集成，但学习到的DAG和ICC在Causal-Chemprop模型之间有所变化。然而，我们在第S11.2节中表明，这是因为Chemprop表示在不同Chemprop种子之间不共享通用坐标系——尽管编码了等效信息。DAGMA对这种坐标变化不具有不变性，因此在不同基底下等效的信息表示会产生真正不同的稀疏图；计算出的边Jaccard指数和结构汉明距离因此反映了这种基底依赖性，而不是我们方法的结构不稳定性。直接比较表示证实了这一点：不同的Chemprop MPNN对相同分子的编码高度相似（中位数线性中心核对齐（37）为0.84；用于直接pIC50前驱的典范相关（38，39）为0.79）。最后，以骨架组作为独立单位（n=11），Causal-Chemprop在11组中的10组提高了相对于普通Chemprop的每组Pearson相关系数，在11组中的8组提高了相对于重新训练Chemprop的相关系数。对报告模型进行的补充分子级bootstrap分析结果一致，提高了ABL1（+0.39）和AURKA（+0.49）的Pearson相关系数，而对SRC保持统计学上不可区分（第S12节）。为确认这些增益能超越11个说明性组，我们在相同协议下对涵盖所有三个激酶家族的另外30个可模拟可行的骨架组评估了Causal-Chemprop（SI第S2节；完整面板见第S9节）。在所有41个不同的可行骨架组中，Causal-Chemprop在34组中至少与普通Chemprop相当，拯救了24个弱编码器组中的16个，并且总共只有单个统计学上真实的亏损（SRC0，本身是可比的接近平局）。没有任何组是统计学上真实的亏损：在Causal-Chemprop未能改善的地方，普通Chemprop本身的排名本身就不具有统计学显著性。因此，Causal-Chemprop在最需要帮助的地方——即现有编码器外推不佳的地方——发挥最大作用，而在编码器已经成功的地方不会造成显著伤害。总体而言，通过逆事实验证推理改善的跨骨架预测和骨架内排名排序对分子设计非常有价值，我们稍后通过EvoMol优化ABL1和AURKA抑制剂的每个骨架组来证明这一点。此外，能够准确跨不同OOD骨架进行排名使我们能够确定优先优化哪些骨架。我们怀疑这些改进将为分子发现中更高效的主动学习（AL）工作流程铺平道路，（40）这是未来需要研究的工作。特别是使用逆事实验证推理，我们可能只需要观察未探索分子家族中的单个化合物。通过观察这个化合物作为锚定分子，我们可以获得其类似物的准确OOD性质预测，以决定它们是否应该被开发。这种高度贪婪的方法在评分函数无法做出准确OOD预测时会失败。（41）

3.2. pIC50分子优化

在确立Causal-Chemprop通过逆事实验证推理改善OOD预测之后，我们调查了这种增益是否能转化为更好的分子优化。我们使用EvoMol针对每个ABL1和AURKA骨架组的pIC50进行优化，分别以Chemprop和Causal-Chemprop作为评分函数。两种配置都以相同的锚定分子及其类似物集合或训练集的随机子集作为起始群体，在五次重复中使用相同的变异种子和步骤预算；完整协议见方法部分。我们使用两种起始群体作为稳健性检查：类似物集合提供与保留骨架结构相关的化学结构，而训练集的随机子集作为无偏控制。我们在两个信号上评估每个进化分子：其相对于保留的"人类最佳"化合物的Tanimoto相似度和其归一化合成可及性得分。在支持信息中，我们还包括了在此协议下作为第三种评分函数的重新训练Chemprop（第S4节，表S2）。在主要的类似物集合起始群体中，Causal-Chemprop产生最高的中位数与保留的人类最佳化合物的相似度以及最可合成的分子，超过普通和重新训练的Chemprop模型。表2报告了评估指标，图5描绘了来自每个评分函数的代表性进化分子与锚定分子和"人类最佳"化合物的对比，第S4节报告了完整的每种子分布。在ABL13上，Causal-Chemprop的最佳候选物比Chemprop的更接近保留的最活跃化合物，保留了更多的共享核心，而Chemprop的分子则进一步偏离活跃化合物。在各任务中，Causal-Chemprop更经常保留锚定分子的核心并装饰其现有环系统，而Chemprop更广泛地重组种子并引入更大的片段，这在几种情况下降低了可合成性。

表2. EvoMol针对ABL1和AURKA骨架组的评分函数设计质量，报告为每个任务五个EvoMol种子的中位数；每个池中的平均值行是所有八个ABL1和AURKA骨架组中每个任务中位数的平均值
人类最佳相似度 可合成性
任务 Causal-Chemprop Chemprop Causal-Chemprop Chemprop
类似物集合起始群体
ABL1 0 0.38 0.29 0.80 0.79
ABL1 1 0.21 0.21 0.66 0.67
ABL1 2 0.30 0.35 0.62 0.65
ABL1 3 0.57 0.31 0.78 0.57
AURKA 0 0.26 0.20 0.72 0.68
AURKA 1 0.30 0.31 0.65 0.69
AURKA 2 0.42 0.41 0.76 0.71
AURKA 3 0.79 0.53 0.85 0.80
均值 0.40 0.33 0.73 0.70
训练集起始群体
ABL1 0 0.31 0.34 0.81 0.81
ABL1 1 0.24 0.20 0.66 0.62
ABL1 2 0.45 0.38 0.80 0.75
ABL1 3 0.75 0.51 0.71 0.76
AURKA 0 0.28 0.28 0.75 0.73
AURKA 1 0.30 0.27 0.69 0.65
AURKA 2 0.41 0.49 0.73 0.80
AURKA 3 0.79 0.38 0.85 0.72
均值 0.44 0.36 0.75 0.73

人类最佳相似度 可合成性
任务 Causal-Chemprop Chemprop Causal-Chemprop Chemprop
类似物集合起始群体
ABL1 0 0.38 0.29 0.80 0.79
ABL1 1 0.21 0.21 0.66 0.67
ABL1 2 0.30 0.35 0.62 0.65
ABL1 3 0.57 0.31 0.78 0.57
AURKA 0 0.26 0.20 0.72 0.68
AURKA 1 0.30 0.31 0.65 0.69
AURKA 2 0.42 0.41 0.76 0.71
AURKA 3 0.79 0.53 0.85 0.80
均值 0.40 0.33 0.73 0.70
训练集起始群体
ABL1 0 0.31 0.34 0.81 0.81
ABL1 1 0.24 0.20 0.66 0.62
ABL1 2 0.45 0.38 0.80 0.75
ABL1 3 0.75 0.51 0.71 0.76
AURKA 0 0.28 0.28 0.75 0.73
AURKA 1 0.30 0.27 0.69 0.65
AURKA 2 0.41 0.49 0.73 0.80
AURKA 3 0.79 0.38 0.85 0.72
均值 0.44 0.36 0.75 0.73

a对于两个信号，较高者更好：人类最佳相似度是进化分子与保留的最活跃（"人类最佳"）化合物的Tanimoto相似度，可合成性是其归一化合成可及性得分。结果显示为两个独立的起始群体；在两者中，保留的测试化合物都未提供给优化器。在每个指标中，两个评分函数中较大的（即更好的）加粗显示。查看大图

图5 查看大图 下载至幻灯片 图5. 使用EvoMol，以Chemprop和Causal-Chemprop作为评分函数优化pIC50，产生的代表性最终分子，针对八个ABL1/AURKA优化任务。对于每个任务，我们显示锚定（种子）结构、Causal-Chemprop引导的最佳分子、Chemprop引导的最佳分子，以及来自测试集的保留的"人类最佳"最活跃化合物。突出标记显示每个进化分子与人类最佳化合物共享的基团：蓝色表示Causal-Chemprop引导的分子，橙色表示Chemprop引导的分子，绿色表示两者共享的基团。运行使用类似物集合起始群体，保留的测试化合物未提供给优化器。图5 查看大图 下载至幻灯片 图5. 使用EvoMol，以Chemprop和Causal-Chemprop作为评分函数优化pIC50，产生的代表性最终分子，针对八个ABL1/AURKA优化任务。

对于每个任务，我们展示了锚点（种子）结构、因果-Chemprop引导下的最佳分子、Chemprop引导下的最佳分子，以及测试集中被留出的“人类最佳”活性最高化合物。高亮标记显示了每个演化分子与人类最佳化合物共享的结构片段：蓝色表示因果-Chemprop引导的分子，橙色表示Chemprop引导的分子，绿色表示两者共享的片段。运行中使用的相似物集合种子库将留出的测试化合物排除在优化器之外。
关闭图5。在四个骨架上对每个靶点进行平均后，因果-Chemprop演化出的分子比Chemprop更接近留出的活性最高化合物（针对ABL1和AURKA均如此），同时在所有情况下合成可行性至少相当。在大多数骨架上，因果-Chemprop与活性分子的相似度至少与Chemprop相当。最明显的情形是ABL1-3和AURKA-3，其中因果-Chemprop在未观测到该分子的情况下，恢复出一个与留出的活性分子显著更相似的分子。然而，在ABL1-2（相似物池）和AURKA-2（训练池）上，Chemprop在两项指标上均更优。因此，横跨两个靶点、八个骨架的结果表明一致的趋势：作为打分函数，因果-Chemprop能够产生更具合成可行性、且在大多数任务上仅使用可用信息即可恢复活性最高化合物近似类似物的分子。

3.3. 未来方向

因果-Chemprop在相似性较低的测试分子上表现下降，如图6所示：对于因果-Chemprop和重新训练的Chemprop，绝对误差均随锚点-测试相似度显著下降。在整个相似度范围内，因果-Chemprop的误差与重新训练的Chemprop相当或更低，尽管偶尔能够在不相似的测试分子上做出准确预测。这表明用于反事实推理的锚点分子范围无需局限于与测试分子高度相似的分子。相反的情况同样明显：在ABL1数据集中，尽管测试分子与锚点分子具有较高的Tanimoto相似度（0.7），因果-Chemprop仍预测出一个离群值。这指示存在活性悬崖（activity cliff）(42)，而我们的当前方法在没有改进的锚点选择的情况下无法预测该现象。图S5和S7节中的结果进一步表明，锚点选择会影响噪声溯因，从而影响反事实预测。一个未来方向是开发新的算法以改进锚点选择；目前正在开展工作，将A:B::C:D类比推理应用于基于分子转化选择最佳锚点。集成多个锚点分子不仅能带来更稳健的预测，还可基于类比强度进行不确定性量化。
图6
放大查看 下载至幻灯片
图6.预测误差与锚点-测试相似度的关系：(a) 因果-Chemprop和(b) 重新训练的Chemprop，汇总所有抑制任务。y轴显示绝对误差 |y_pred ? y_target|；x轴显示测试分子与其锚点分子的Morgan指纹（n = 2）Tanimoto相似度。两种方法中绝对误差均随锚点相似度显著下降（因果-Chemprop：Pearson r = ?0.33，p = 6 × 10??；重新训练的Chemprop：r = ?0.40，p = 5 × 10??），因果-Chemprop的中位误差在整个相似度范围内与重新训练的Chemprop相当或更低。不同激酶抑制剂按图例着色；每种激酶抑制剂各个数据集的结果汇总在一起。
关闭图6。

我们需要更好地整理用于训练SCM的类比集合，因为具有不同抑制机制的分子很可能引入混淆因子。支持信息中的图S7展示了因果-Chemprop在训练集（而非类比集）上训练的性能。性能下降与额外、更多样的分子引入混淆因子并损害DAG学习有关；不过我们将其作为经验观察而非已证实的机制提出。类比集对0.25相似度阈值及公式10的敏感性在S8节中进行了表征。未来，类比集与测试分子之间的Tanimoto相似度阈值将作为超参数，可在训练因果-Chemprop时进行调节。由此延伸，某些Chemprop嵌入比其他嵌入产生更具可解释性的SCM。虽然目前没有已知的真实DAG可比对，但我们在支持信息中对每个学到的SCM提供了客观评估。一个有前景的未来方向是将此类评估指标——尤其是机制不变性目标——反向传播到Chemprop MPNN中，训练编码器产生更具因果性、对骨架不变的分子嵌入。

4. 结论

我们提出了因果-Chemprop，一个用于分子性质预测与优化的因果机器学习框架。因果-Chemprop解决了诸如Chemprop等GNN模型的关键局限，尤其是在小数据量训练时泛化到OOD分子的能力。因果-Chemprop通过反事实推理改善了ABL1、AURKA和SRC激酶抑制剂pIC50的排序：先观察一个OOD锚点分子以推断其结构类似物的性质，从而在大多数任务上改善了骨架内排序，同时纠正了跨骨架的偏移。在41个不同分组上使用单一固定的超参数规则进行评估（S9节），这些增益集中于基础编码器外推较差的骨架分组，而在编码器已成功的场景中无需该纠正，且从不会显著损害可靠的基线。这有利于分子设计：使用因果-Chemprop作为EvoMol打分函数，能够在大多数任务上产生更具合成可行性、更接近留出活性最高化合物的分子，同时仅使用合法可用的分子作为种子。总体而言，该方法为分子性质预测与设计提示了有前景的新探索方向，我们仔细区分了其在哪些任务与指标上优于、不及基线。

5. 方法

5.1. 数据集

我们使用了来自Kinase Knowledgebase的AURKA、ABL1和SRC抑制剂数据集。记录按SMILES去重，每个化合物作为单一数值使用，按源数据库提供的方式——任何针对每个化合物多个pIC50测量的聚合均继承自源数据库而非我们执行；除源数据库提供的内容外，我们未应用额外的结构标准化（去盐、电荷/互变异构体/立体化学归一化或重新规范化）。分子级别溯源、单位换算、删失值处理和实验元数据等信息见表S14。我们使用Bemis-Murcko骨架将每个数据集划分为骨架分组。因果-Chemprop的反事实推理需要在200维Chemprop嵌入上识别一个结构因果模型，这无法从样本不足的类比集中可靠完成：在抽样曲线上，当类比分子数低于约90个时反事实排序不稳定——此时201节点的SCM是欠定的——并在其上方稳定，90到150之间保持平坦（图S8，S9节）。因此我们将评估限制在类比可行的分组，即其类比集（见下）包含至少90个分子的分组；符合条件的（≥7成员）分组中约83个符合要求。正文报告了11个跨越三个激酶家族的示例性分组（表1）；其中一个（AURKA0，60个类比分子）略低于可行性下限但仍优于普通Chemprop。为确立我们的结论不依赖于分组选择，我们另在同一方案下评估了30个额外的类比可行分组，涵盖全部三个激酶家族（SI S2节，S9节）。我们保留任务内稳健性检验（固定骨架分组，改变锚点、嵌入和数据划分）作为该分组间评估的补充。每个选定的骨架分组定义一个分布外（OOD）任务。我们移除所有包含该骨架的分子形成OOD测试集，将其余部分按随机80:20划分成训练集与验证集，并抽取类比集：其余分子中，其Bemis-Murcko骨架与留出骨架的Tanimoto相似度（Morgan指纹，半径2，2048位）大于0.25的子集。0.25阈值是跨所有任务保持恒定的固定操作点：提高它会使类比集低于可行性下限，降低它则纳入已非真正类似物的不相似分子；其敏感性在S8节中表征。我们验证了没有任何测试分子出现在相应的训练集或类比集中。由于类比集和ICC阈值（公式10）均由与留出骨架的相似度定义，该流程按设计是Transductive的：它假设推理时已知测试骨架，如同围绕已识别系列进行先导化合物优化。为将测试扩展到Kinase Knowledgebase之外，我们用独立报告的AURKA (29)和ABL1 (28)抑制剂对其进行增补，提供了真正留出的实验；为排除任何优势源自纠正实验来源偏移而非骨架生物学，我们在S14节中按数据来源分层报告结果。下表报告了测试分子与训练集、类比集及其各自锚点分子之间的平均Tanimoto相似度（表3）。

表3.对于每个抑制剂任务，测试集中分子与训练集分子、类比集分子及其各自锚点分子之间的Morgan指纹（n = 2）平均Tanimoto相似度
数据集 训练 类比 锚点
ABL1-0 0.174 0.296 0.656
ABL1-1 0.237 0.447 0.640
ABL1-2 0.231 0.412 0.676
ABL1-3 0.259 0.425 0.682
AURKA-0 0.140 0.151 0.393
AURKA-1 0.248 0.340 0.652
AURKA-2 0.267 0.363 0.639
AURKA-3 0.210 0.330 0.597
SRC-0 0.116 0.399 0.496
SRC-1 0.124 0.372 0.747
SRC-2 0.124 0.192 0.520

放大查看

5.2. 模型训练与推理

我们针对每个外推任务分别训练和优化了单独的单一组分Chemprop模型，使用训练集和验证集。然后我们使用预训练的Chemprop模型生成分子嵌入，并以此运行DAGMA在类比集上学习线性结构方程来学习因果-Chemprop图结构。随后我们用NetworkX (43) 从DAG实例化结构因果模型，并在类比集上拟合其因果机制。Chemprop和DAGMA使用的超参数见S2节。DAGMA仅施加无环性和L1稀疏性，随后剪除权重低于0.3的边；我们未显式约束pIC50节点为终端节点。尽管如此，在所有11个任务中pIC50均呈现为终端节点，这与所假设的推断方向一致——潜在特征决定pIC50。每个任务保留的节点数与边数、pIC50父节点数与祖先节点数在S8节中报告。最后，我们使用DoWhy-GCM (44) 计算每个节点的内在因果贡献，并使用学到的SCM计算反事实样本。对于集成实验，我们使用5个不同的Chemprop随机种子或训练-验证划分；因果-Chemprop与Chemprop按重复配对。由于n = 5时的配对检验功效较低，我们的主要显著性检验以骨架分组为独立单位，并额外报告分子级别的配对自助法；完整数值结果见S12节。

5.3. 超参数

因果-Chemprop对所有骨架分组使用同一架构与训练配置；完整的超参数设置与确定性退化回退方案见SI S2节。除正文中突出显示的11个分组（表1）外，我们在该方案下评估了所有类比可行的ABL1和AURKA分组以及11个额外的SRC分组；结果在结果部分（第3.1节）汇总，并在S9节中按分组报告。

5.4. 演化分子优化

EvoMol是一种演化算法，使用7种接近原子水平的通用突变依次构建分子图。(30) 由于这些突变作用于原子和键层面，EvoMol只能组装种子种群中存在的子组和官能片段；仅以锚点作为种子将限制EvoMol只能使用锚点自身的原子。因此对于每个ABL1和AURKA任务，我们在主要实验中以包含锚点和类比集的一致种群为EvoMol提供种子，并以训练集的随机子集作为稳健性检验。

在两种情况下，所有保留的测试集分子直到评估阶段才进行使用，且原子动作空间被设置为种子种群中存在的重原子类型。EvoMol的目标函数旨在最大化Chemprop或Causal-Chemprop预测的pIC50值，同时如果生成的分子不包含锚定物的Murcko骨架，则会施加额外的惩罚项。为了确保任何差异都可归因于评分函数本身，两种评分函数使用了完全相同的种子种群、完全相同的突变随机种子以及完全相同的步数预算（20步），并且每种配置在五个随机种子上各重复运行一次。我们根据两个指标评估每个生成的分子：其与保留的"人类最佳"化合物的Tanimoto相似度，以及其归一化合成可及性分数。REINVENT是药物发现中常用的一种分子逆向设计算法，基于具有循环神经网络随机策略的策略型强化学习框架。（45）我们选择EvoMol而非REINVENT，原因有以下几点。首先，EvoMol不需要在大型分子数据集上进行预训练，而REINVENT需要关于分子的强大先验知识来学习类药分子的分布。其次，EvoMol允许我们强制执行明确的规则，例如强制固定骨架以比较装饰器优化。第三，EvoMol在种子分子周围的局部化学空间中进行探索，这非常适合我们的先导化合物优化任务，而REINVENT则探索多样化的化学空间，更适合从头设计。

5.5 计算资源

所有实验均在Apple M2芯片和16 GB内存上完成，这表明Chemprop和Causal-Chemprop模型都具有较好的可操作性。训练Chemprop的pIC50任务大约需要5分钟，而运行DAGMA学习Causal-Chemprop的有向无环图大约需要3分钟。为Causal-Chemprop拟合带有线性回归器的加性噪声模型大约需要2分钟。Causal-Chemprop的瓶颈在于推理前需要计算内禀因果贡献者，对于每个结构因果模型（SCM）可能需要10分钟来计算。其计算复杂度随有向无环图的深度和宽度共同增长，这表明优化DAGMA的权重阈值和L1正则化参数的重要性。使用Causal-Chemprop进行反事实推理所需的时间可以忽略不计。

数据可用性

模型训练和测试的源代码可在GitHub上获取：https://github.com/neopolyai/causal_chemprop。默认情况下，主notebook会加载数据文件以及复现本文结果所需的Chemprop和Causal-Chemprop检查点。模型检查点和数据文件已上传至Zenodo：https://zenodo.org/records/18197047。数据文件已针对每个抑制剂任务预先划分为训练集、类似物集和测试集。