基于渐进式2D–3D混合框架的实验偶极矩预测及双对基诊断评估方法

《Journal of Cheminformatics》：Experimental dipole moment prediction with a progressive 2D–3D hybrid framework and twin-pair-based diagnostic evaluation

　　

摘要

准确预测分子偶极矩（\(\mu\)）对于模拟溶剂化作用、分子识别以及材料科学中的静电相互作用至关重要。虽然现代的3D学习模型在低噪声的量子化学基准数据上已能接近理想性能，但在包含测量噪声、立体化学不确定性以及构象变异性的实验数据集中，其性能往往会下降，从而导致理想理论与实际数据之间存在较大差距。在此，我们提出了一种用于在异质标签条件下预测实验偶极矩的渐进式2D–3D混合框架。该框架分为两个阶段构建：首先，基于SMILES衍生的多视图指纹构建一个强大的2D表格型CatBoost模型，再引入物理化学参数、与偶极相关的信息以及依赖于构象的3D形状描述符，从而实现第一级的2D+3D整合，提升性能；其次，将经过优化的表格型预测器与基于构象衍生分子图的、具备几何感知能力的3D图神经网络进行线性融合，通过互补的结构学习进一步提升预测精度。在实验测试集上，该框架的预测效果为\(R^{2}=0.844\)，\(\textrm{MAE}=0.399~\textrm{D}\)，优于非参数指纹k-NN基准方法（\(R^{2}=0.65\)），并且在Tanimoto相似度阈值为0.95、0.97、0.98和0.99时，其预测结果与基于成对样本离散度的相似度条件参考范围（\(R^{2}\approx 0.86\)–0.91）十分接近。

科学贡献

本研究的主要科学贡献在于开发了一种基于实验数据的渐进式2D–3D混合学习框架，该框架整合了经过优化的表格型化学表示、具备几何感知能力的图学习方法以及基于成对样本的诊断评估技术，可用于在异质实验标签条件下预测偶极矩。为准确评估该框架在存在噪声的实验环境中的性能，我们采用了在测试集与训练集之间进行相似度分层的评估方法，并通过基线对比和各组分的可解释性分析，明确了不同表示方式以及模型组件之间的互补作用。与最近发表的三项偶极矩预测研究相比，所提出的框架仍具有竞争力，不过由于这些研究的底层数据集、标签来源及噪声状况并不完全匹配，因此此类比较仅用于谨慎地对比文献中的研究进展。与以往主要针对低噪声理论基准数据或较窄分子范畴的研究不同，本研究着眼于目前研究相对较少的Stenutz实验数据集。