基于图拉普拉斯谱图表示的无对齐分子形状与静电描述符GE-MolSG及其可扩展框架

《Journal of Cheminformatics》：Graph Laplacian spectral descriptors for alignment-free molecular shape and electrostatic comparison

　　

摘要

基于形状的虚拟筛选方法在药物发现中被广泛应用。依赖对齐的方法通常具有较高的筛选准确性，但计算成本较高；而无对齐方法速度更快，但准确性通常较低。在此，我们提出GE-MolSG，这是一种新颖的无对齐分子描述符，利用图拉普拉斯算子导出的谱图表示，结合形状和静电信息。GE-MolSG优于已有的无对齐方法ElectroShape，且在无需分子对齐的情况下实现了与ESP-Sim相当的性能。为展示基于图的框架的可扩展性，我们进一步探索了一种概念验证的基于补丁的扩展方法，称为GM-MolSG，该方法纳入了额外的表面特征。基于图的表述为将分子表面相关性质整合到紧凑描述符中以进行快速无对齐相似性搜索提供了灵活且可扩展的框架。

科学贡献

GE-MolSG引入了一种新颖的无对齐谱图方法来比较分子，该方法在紧凑的谱描述符中结合了形状和静电信息。该方法优于已有的无对齐描述符ElectroShape，在无需分子对齐的情况下实现了与ESP-Sim相当的性能，同时为纳入额外的分子表面相关性质提供了灵活的基础。作为这种可扩展性的概念验证演示，我们进一步探索了一种基于补丁的扩展方法GM-MolSG，该方法纳入了局部几何和化学表面描述符。