基于计数 Morgan 指纹与分子感知验证的 2,1,3-苯并噻唑衍生物溶剂光谱性质深度学习预测

《Scientific Reports》：Molecule-aware machine learning for predicting absorption and emission of benzothiadiazole derivatives

　　

摘要

仅通过分子结构来预测2,1,3-苯并噻iazole（BTD）衍生物在多种溶剂中的吸收和发射波长仍然具有挑战性，而传统的随机分割验证方法难以区分模型是否真的能够推广到新的化学结构，还是仅仅是对已知结构的溶剂效应进行插值。通过采用一种“分子感知”的训练-测试分割方法（即将某种化学结构的所有溶剂测量数据放在一起进行训练和测试），我们发现最佳模型的\(R^2\)值相比随机分割方法下降了约27-29个百分点，这表明高随机分割精度主要反映了模型对溶剂诱导的光谱位移的可靠预测，而非对未见过的BTD结构的泛化能力。在这一框架下，将基于二进制的Morgan指纹方法替换为基于计数的Morgan指纹方法后，单次分割的\(R^2\)值从0.747提高到0.941（吸收部分），从0.797提高到0.916（发射部分）。这种改进源于基于计数的指纹方法能够更好地编码供体亚结构的重复出现频率，而供体亚结构是决定分子内电荷转移特性的关键因素。经过系统优化的深度神经网络在二十次随机初始化中的最佳表现在吸收部分的\(R^2 = 0.954\)（平均值约为\(0.83 \pm 0.12\)），这是该数据集报告的最高值。然而，“分子感知”基准测试表明这种性能并不能直接应用于新结构的外推。对图神经网络、多任务学习、扩展描述符集和集成方法的比较评估显示，在这种数据集规模下，没有一种方法能超越基于计数的指纹方法。特征重要性分析表明，三级胺的取代是影响吸收的主要结构因素，而溶剂极性是影响发射的最强单一特征（在所有四种模型/编码组合中均排在首位或第二位，而对于吸收部分则排在第8-13位），这种不对称性与松弛态电荷转移的更强溶致变色现象一致。这些结果为计算筛选提供了实际指导：这些模型非常适合用于已知染料的溶剂选择，而设计全新的结构则需要训练集中的结构多样性得到提升。