WGFormer: An SE(3)-Transformer Driven by Wasserstein Gradient Flows for Molecular Ground-State Conformation Prediction

要約

分子基質立体構造（すなわち、エネルギー最大の立体構造）を予測することは、分子ドッキングや特性予測などの多くの化学用途にとって重要です。
この問題を解決する場合、古典的なエネルギーベースのシミュレーションは時間がかかりますが、既存の学習ベースの方法は計算効率に利点がありますが、精度と解釈可能性を犠牲にします。
この作業では、エネルギーベースのシミュレーションと学習ベースの戦略を橋渡しするための斬新で効果的な方法を提案します。これは、wgformerと呼ばれるワッサースタイングラデーションフロー駆動型のSE（3）トランスフォーマーを設計および学習し、基底状態の立体構造予測のために設計および学習します。
具体的には、私たちの方法は、このタスクに自動エンコードフレームワーク内で取り組みます。これは、提案されたWGFORMERによる低品質の立体構造と、MLPによる対応するグラウンドステート立体構造をデコードします。
Wgformerのアーキテクチャは、Wasserstein勾配の流れに対応しています。原子の潜在混合モデルで定義されたエネルギー関数を最小化することにより、立体構造を最適化し、それによってパフォーマンスと解釈性を大幅に改善します。
広範な実験は、私たちの方法が一貫して最先端の競合他社よりも優れていることを示しており、地下鉄の立体構造を予測するための新しい洞察力のあるパラダイムを提供します。

要約(オリジナル)

Predicting molecular ground-state conformation (i.e., energy-minimized conformation) is crucial for many chemical applications such as molecular docking and property prediction. Classic energy-based simulation is time-consuming when solving this problem, while existing learning-based methods have advantages in computational efficiency but sacrifice accuracy and interpretability. In this work, we propose a novel and effective method to bridge the energy-based simulation and the learning-based strategy, which designs and learns a Wasserstein gradient flow-driven SE(3)-Transformer, called WGFormer, for ground-state conformation prediction. Specifically, our method tackles this task within an auto-encoding framework, which encodes low-quality conformations by the proposed WGFormer and decodes corresponding ground-state conformations by an MLP. The architecture of WGFormer corresponds to Wasserstein gradient flows — it optimizes conformations by minimizing an energy function defined on the latent mixture models of atoms, thereby significantly improving performance and interpretability. Extensive experiments demonstrate that our method consistently outperforms state-of-the-art competitors, providing a new and insightful paradigm to predict ground-state conformation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google