计算与 AI 药物发现 Journal of Cheminformatics (Springer Nature)

显式氢原子有助于神经网络从含噪3D坐标中还原分子键

  • BondNet是一种等变神经网络,可由3D坐标预测连接关系和重原子间的键类型,用于检验显式氢原子的贡献。
  • 研究在构象测试集和另一组PubChem3D分子上进行回顾性评估,并比较了加入坐标噪声前后的结果。
  • 输入干净时几乎可完整还原分子图,噪声增大后准确率下降,但仍远高于默认设置的RDKit;去掉氢原子的输入表现更差。局限:未检验带电分子和生成构型。
要点 基于摘要的观点

对接或生成构象的键级还原是常见的难题,因此能替代RDKit基于距离的键感知的学习方法值得欢迎。但未测试的带电分子和生成构型恰是最需要它的场景,目前还解决不了这一流程。机器学习生成的配体、互变异构体和共轭体系才是真正的检验。