Integrating Chemical Language and Molecular Graph in Multimodal Fused Deep Learning for Drug Property Prediction

要約

分子特性を正確に予測することは、創薬においては困難ですが不可欠な作業です。
最近、多くのモノモーダル深層学習手法が分子特性予測に適用され成功しています。
しかし、分子表現の 1 つの様式のみに依存することからモノモーダル学習に固有の制限が生じ、薬物分子の包括的な理解を制限し、データ ノイズに対する回復力を妨げます。
この制限を克服するために、さまざまな分子表現をカバーするマルチモーダル深層学習モデルを構築します。
薬物分子を、SMILES でコード化されたベクター、ECFP フィンガープリント、および分子グラフという 3 つの分子表現に変換します。
モーダル情報を処理するために、Transformer-Encoder、双方向ゲート反復ユニット (BiGRU)、およびグラフ畳み込みネットワーク (GCN) がそれぞれ特徴学習に利用されます。これにより、相補的で自然に発生するバイオインフォマティクス情報を取得するモデルの機能が強化されます。
6 つの分子データセットでトリプルモーダル モデルを評価しました。
バイモーダル学習モデルとは異なり、特定の特徴を捉え、各モーダル情報の寄与をより適切に活用するために 5 つの融合手法を採用しています。
モノモーダル モデルと比較して、当社のマルチモーダル融合ディープラーニング (MMFDL) モデルは、精度、信頼性、ノイズに対する耐性の点で単一モデルを上回ります。
さらに、我々は、PDBbind の洗練されたセットにおけるタンパク質-リガンド複合体分子の結合定数の予測におけるその一般化能力を実証します。
マルチモーダル モデルの利点は、適切なモデルと適切な融合方法を使用して多様なデータ ソースを処理できることにあり、これにより、データの多様性を取得しながらモデルのノイズ耐性が強化されます。

要約(オリジナル)

Accurately predicting molecular properties is a challenging but essential task in drug discovery. Recently, many mono-modal deep learning methods have been successfully applied to molecular property prediction. However, the inherent limitation of mono-modal learning arises from relying solely on one modality of molecular representation, which restricts a comprehensive understanding of drug molecules and hampers their resilience against data noise. To overcome the limitations, we construct multimodal deep learning models to cover different molecular representations. We convert drug molecules into three molecular representations, SMILES-encoded vectors, ECFP fingerprints, and molecular graphs. To process the modal information, Transformer-Encoder, bi-directional gated recurrent units (BiGRU), and graph convolutional network (GCN) are utilized for feature learning respectively, which can enhance the model capability to acquire complementary and naturally occurring bioinformatics information. We evaluated our triple-modal model on six molecule datasets. Different from bi-modal learning models, we adopt five fusion methods to capture the specific features and leverage the contribution of each modal information better. Compared with mono-modal models, our multimodal fused deep learning (MMFDL) models outperform single models in accuracy, reliability, and resistance capability against noise. Moreover, we demonstrate its generalization ability in the prediction of binding constants for protein-ligand complex molecules in the refined set of PDBbind. The advantage of the multimodal model lies in its ability to process diverse sources of data using proper models and suitable fusion methods, which would enhance the noise resistance of the model while obtaining data diversity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google