MUIGSL：一种考虑分子不确定性的迭代图结构学习方法，用于分子性质预测

《IEEE Access》：MUIGSL: Molecular Uncertainty-Aware Iterative Graph Structure Learning for Molecular Property Prediction

　　

摘要：

分子性质预测（MPP）是计算机辅助药物发现中的一个核心任务。传统方法主要关注分子内部信息的传播，而忽视了分子间关系。尽管最近的一些图结构学习方法试图构建分子间图，但它们往往忽略节点信息质量的差异，并且构建的图结构通常受到对称性的限制。为了解决这些问题，我们提出了一种基于分子不确定性感知的迭代图结构学习方法（MUIGSL）用于MPP。该方法通过估计节点信息的不确定性，并利用这种不确定性来调整分子相似性图中方向连接的强度，从而自适应地减少高不确定性节点的影响。通过这种方式，模型可以在整合分子内部和分子间信息的同时抑制低质量节点的干扰。MUIGSL在八个MoleculeNet基准数据集上进行了系统评估。广泛的实验证明，MUIGSL在大多数分子性质预测任务中取得了最先进或接近最先进的性能。此外，通过整合分子内部和分子间信息，MUIGSL为准确的分子性质预测提供了有效的解决方案，并有助于发现潜在的药物候选物。