跳到正文
原文
生物谷·资讯·· 23 天前AI 评分46

复旦大学团队开发CAFE-MPP框架,片段级自监督预训练提升分子性质预测

分子片段才是关键!Briefings in Bioinformatics:子结构预训练解锁AI分子性质预测新潜力

AI 导读

复旦大学研究团队开发CAFE-MPP框架,按化学规则拆分分子片段并保留功能基团,以片段为单元开展自监督预训练,用于AI分子性质预测,成果发表于Briefings in Bioinformatics。

正文

来源:生物谷原创 2026-10-28 14:22

研究基于化学规则拆分分子片段搭建自监督学习框架,在11套药物分子测试集中7项取得最优结果,可抓取功能片段信息,缓解图神经网络过平滑缺陷,助力新药前期评估。

新药研发早期会产生数量庞大的候选化合物。一款分子能否进入后续实验,溶解度、毒性、细胞膜穿透能力等成药属性是重要评判标准。全部依靠实验室逐一检测,时间与资金成本很高,借助AI预判分子性质,已经成为药物研发重要的辅助手段。

但分子性质预测的AI应用,长期存在两项现实瓶颈。一方面,精准的分子性质数据获取门槛高,需要量子化学计算或者湿实验测定,高质量标注样本数量有限。另一方面,潜在药物分子的化学空间极其庞大,训练数据能够覆盖的结构十分有限,不少模型面对未曾见过的分子结构,预测表现会明显下滑。

现有多数AI模型直接以完整分子作为训练对象。而化学领域普遍认为,分子的生物活性与理化特征,大多由官能团、药效团这类局部子结构主导。复旦大学研究团队基于这一化学认知开展研究,相关成果发表于Briefings in Bioinformatics。

团队开发CAFE‑MPP框架,参考点击化学理念切割分子,完整保留功能性基团,将片段作为基础单元构建片段分子图。通过构建结构高度相似的硬负样本完成片段层级的对比学习预训练,再依托Graphormer学习片段之间的拓扑连接关系,输出分子表征完成性质预测。

研究采用MoleculeNet的11套标准基准数据集开展验证,覆盖毒性、溶解度等分类与回归任务,分子样本规模从数百至四万余。与六种主流自监督学习方法对比,该方案在7个数据集上取得最优性能,剩余3个数据集位列第二。在仅含642个分子的小样本FreeSolv数据集提升尤为显著,整体分类任务的性能改善优于回归任务。

图1 CAFE‑MPP整体框架图

消融实验验证各模块的实际效用。该文提出的拆分策略可以生成更多具备化学意义的独特片段;保留片段之间拓扑连接的片段分子图,效果优于简单聚合片段特征的片段袋方案;引入硬负样本后,全部11个数据集的预测效果均获得正向提升。在片段层面开展预训练,还能够缓解图神经网络常见的过平滑问题。

图2 三种片段拆分策略在预训练数据集上的片段分布

t‑SNE降维可视化结果直观显示,模型学习得到的分子表征,会依照分子本身的性质标签形成清晰聚类。针对水溶性预测任务进一步分析,模型习得的片段特征,和拓扑极性表面积、脂水分配系数这些经典化学描述符显著相关,证明模型能够自主捕捉影响分子性质的关键片段信息。

图3 CAFE‑MPP学习分子表征的t‑SNE可视化

面对药物研发标注数据不足的现状,该研究转变建模思路,不再只聚焦完整分子,转而关注具备实际化学功能的分子片段。充分挖掘海量无标注分子蕴含的化学信息,提升小样本条件下的预测精度。模型输出表征具备可解释性,可用于候选分子筛选、先导化合物优化。经过预训练的片段编码器还可拓展应用于分子生成、药靶相互作用分析等研究方向,为AI新药研发提供可行思路。(生物谷Bioon.com)

参考文献:

Xie A, Zhang Z, Guan J, Zhou S. Self-supervised learning with chemistry-aware fragmentation for effective molecular property prediction. Brief Bioinform. 2023;24(5):bbad296. doi:10.1093/bib/bbad296

版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->

来源:生物谷·资讯 · news.bioon.com