Carbohydrate NMR chemical shift predictions using E(3) equivariant graph neural networks

要約

生物学的システムの重要な構成要素である炭水化物は、その構造の多様性でよく知られています。
核磁気共鳴 (NMR) 分光法は、有機分子の複雑な分子配置を理解する上で重要な役割を果たしており、有機分子の分子構造を評価および検証する際に不可欠です。
このプロセスの重要な部分は、分子構造から NMR 化学シフトを予測することです。
この研究では、E(3) 等変グラフ ニューラル ネットワークを活用して炭水化物 NMR スペクトルを予測する新しいアプローチを紹介します。
特に、我々のモデルは、二次元の分子構造のみに依存する従来のモデルと比較して、平均絶対誤差の大幅な削減（最大 3 倍）を達成しています。
データが限られている場合でも、このモデルは優れており、その堅牢性と一般化機能が強調されています。
その意味は広範囲に及び、炭水化物の構造とスペクトル解釈の高度な理解にとどまりません。
たとえば、製薬応用、生化学、構造生物学の研究を加速し、分子構造のより迅速で信頼性の高い分析を提供できる可能性があります。
さらに、私たちのアプローチは分光法の新たなデータ駆動時代に向けた重要な一歩であり、NMRを超えた分光技術に影響を与える可能性があります。

要約(オリジナル)

Carbohydrates, vital components of biological systems, are well-known for their structural diversity. Nuclear Magnetic Resonance (NMR) spectroscopy plays a crucial role in understanding their intricate molecular arrangements and is essential in assessing and verifying the molecular structure of organic molecules. An important part of this process is to predict the NMR chemical shift from the molecular structure. This work introduces a novel approach that leverages E(3) equivariant graph neural networks to predict carbohydrate NMR spectra. Notably, our model achieves a substantial reduction in mean absolute error, up to threefold, compared to traditional models that rely solely on two-dimensional molecular structure. Even with limited data, the model excels, highlighting its robustness and generalization capabilities. The implications are far-reaching and go beyond an advanced understanding of carbohydrate structures and spectral interpretation. For example, it could accelerate research in pharmaceutical applications, biochemistry, and structural biology, offering a faster and more reliable analysis of molecular structures. Furthermore, our approach is a key step towards a new data-driven era in spectroscopy, potentially influencing spectroscopic techniques beyond NMR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google