化学空间的高效可视化 开放获取

《Chemical Science》：Efficient Visualization of Chemical SpaceOpen Access

　　

化学空间的概念在化学信息学、药物化学和机器学习应用中至关重要。尽管如此，分子表征的高维度极大地增加了其采样、分析和可视化的复杂性。一种流行的克服该问题的方法是将这些表征投影到"人类可管理"的子空间，通常仅包含两个维度。非线性降维技术是目前首选的策略，其背后的推理是它们的灵活性可以适应高维空间中原本存在的任何任意分布。然而，这忽视了这些方法较高的计算成本以及调整其超参数的困难。在这里，我们展示了原始空间中使用的度量指标的基本性质可用于推断化学空间的形状，进而提出一种将化学信息投影到低维的最优策略。关键见解是认识到，无论分子集合如何，它们的指纹表征都可以被认为位于一个超球面上。这个流形的平滑特性意味着我们可以使用聚类来识别化学空间中的局部密集区域，并通过简单的线性（无超参数）方法（如主成分分析）选择性地投影它们。该方法在多个邻域保持指标上优于非线性技术，同时仅需一小部分的计算成本。该流程已在我们的N-Ary Mapping Interface (NAMI: https://github.com/mqcomplab/NAMI)中实现，我们在1000万个分子的可视化中对其进行了测试。

此内容仅通过PDF提供。

打开 PDF 《化学空间的高效可视化》在新窗口中

? 2026 作者。由皇家化学会出版

2026

作者

本文根据Creative Commons Attribution 4.0 Unported 许可协议授权。您可以在其他出版物中使用本文的材料，而无需向RSC申请进一步许可，前提是给予正确的署名。

本文根据 Creative Commons Attribution 4.0 国际许可协议 授权。