計算・AI創薬 Journal of Cheminformatics (Springer Nature)
明示的な水素が、ノイズを含む3D座標からの結合推定を助ける
- 等変ニューラルネットワークのBondNetは、3D座標から連結性と重原子間の結合次数を予測する。明示的な水素がどの程度寄与するかを調べるために用いられた。
- コンフォーマーのテストセットと別個のPubChem3Dコホートを使い、座標ノイズの有無で後ろ向きに評価した。
- クリーンな入力ではグラフ全体をほぼ完全に復元でき、ノイズで低下したものの標準設定のRDKitを大きく上回った。水素なしの入力は成績が劣った。荷電分子や生成された構造は未検証である。
ポイント アブストラクトに基づく見解
ドッキングや生成されたポーズからの結合次数の復元は身近な悩みで、RDKitの距離ベースの推定に代わる学習型手法は歓迎できる。ただ、未検証なのが荷電分子と生成構造という最も必要な場面であり、まだその工程の解決にはならない。生成モデル由来のリガンド、互変異性体、共役系が本当の試金石になる。
原論文: Journal of Cheminformatics (Springer Nature) ↗ BondNet: molecular bond perception from 3D coordinates with explicit hydrogen context