基于谱图理论构建具有三维几何感知能力的物理启发分子指纹：高效、可解释的化学相似性度量方法

《Chemical Science》：Physics-Based Molecular Fingerprints from Spectral Graph Theory Provide Efficient Geometry-Aware Measures of Chemical SimilarityOpen Access

　　

分子表示对于评估分子相似性和建立构效关系至关重要。尽管已知三维（3D）结构在决定化学和物理性质方面的重要性，但最广泛使用的分子指纹仅编码二维连接性。此类表示无法区分相似但不同的立体异构体和构象体。替代的3D方法通常是成对定义的，这使其在大化学空间中的应用不可行，而深度学习嵌入虽然具有表现力，但不可解释，且受限于其训练数据的多样性。在此，我们引入了基于谱图理论原理的新型物理启发分子指纹。我们将分子表示为三维空间中的完全图，边权重编码启发式物理相互作用。对所得图拉普拉斯矩阵进行特征值分解，可得到一种计算高效、固定长度的化学指纹，该指纹编码了三维结构，同时遵循置换和E(3)不变性等必要的物理对称性。谱指纹能够区分具有相同二维连接性的独特分子结构，克服了二维描述符的局限性，同时保持了高效筛选庞大化学空间所需的低计算成本。我们使用社区检测算法对我们的指纹进行评估，并观察到其在有机、无机、生物、网状和反应化学数据集上与代表性基线相比具有强大的性能。最近邻性质估计和适用域分析揭示了我们的分子表示在机器学习与化学信息学中的实用性。我们预计，谱指纹将作为可解释和高效的化学相似性度量，以极低的成本整合三维信息，并在多种化学领域中具有良好的泛化能力。

此内容仅可通过PDF获取。

打开 PDF 在新窗口中打开《基于谱图理论提供高效几何感知化学相似性度量的物理分子指纹》

? 2026 作者。由皇家化学会出版

2026

作者

本文根据知识共享署名-非商业性使用4.0未移植许可协议授权。您可以在其他出版物中使用本文材料，而无需进一步向RSC申请许可，前提是给出正确的署名且不用于商业用途。

本作品根据 知识共享署名-非商业性使用4.0国际许可协议 授权。