CoarsenConf: Equivariant Coarsening with Aggregated Attention for Molecular Conformer Generation

要約

分子配座異性体の生成 (MCG) は、ケモインフォマティクスおよび創薬における重要なタスクです。
低エネルギー 3D 構造を効率的に生成できるため、高価な量子力学的シミュレーションを回避でき、スクリーニングの加速と構造探索の強化につながります。
MCG 用にいくつかの生成モデルが開発されていますが、多くは高品質の配座異性体を一貫して生成するのに苦労しています。
これらの問題に対処するために、ねじれ角に基づいて分子グラフを粗粒化し、それらを SE(3) 等変階層変分オートエンコーダに統合する CoarsenConf を導入します。
等変粗視化を通じて、回転可能な結合を介して接続されたサブグラフの詳細な原​​子座標を集約し、可変長の粗視化潜在表現を作成します。
私たちのモデルは、新しい集合的注意メカニズムを使用して、粗粒度の潜在表現から細粒度の座標を復元し、大きな分子の効率的な自己回帰生成を可能にします。
さらに、私たちの研究は、現在の配座異性体生成ベンチマークを拡張し、生成された配座異性体の品質と実行可能性をより適切に評価するための新しい指標を導入します。
我々は、CoarsenConf が以前の生成モデルや従来のケモインフォマティクス手法と比較して、より正確な配座異性体アンサンブルを生成することを実証します。

要約(オリジナル)

Molecular conformer generation (MCG) is an important task in cheminformatics and drug discovery. The ability to efficiently generate low-energy 3D structures can avoid expensive quantum mechanical simulations, leading to accelerated screenings and enhanced structural exploration. Several generative models have been developed for MCG, but many struggle to consistently produce high-quality conformers. To address these issues, we introduce CoarsenConf, which coarse-grains molecular graphs based on torsional angles and integrates them into an SE(3)-equivariant hierarchical variational autoencoder. Through equivariant coarse-graining, we aggregate the fine-grained atomic coordinates of subgraphs connected via rotatable bonds, creating a variable-length coarse-grained latent representation. Our model uses a novel aggregated attention mechanism to restore fine-grained coordinates from the coarse-grained latent representation, enabling efficient autoregressive generation of large molecules. Furthermore, our work expands current conformer generation benchmarks and introduces new metrics to better evaluate the quality and viability of generated conformers. We demonstrate that CoarsenConf generates more accurate conformer ensembles compared to prior generative models and traditional cheminformatics methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google