gSelformer-MV: Transformador de Grupo SELFIES Aumentado con Subgrafos y Múltiples Vistas para la Predicción de...

Área de la Ciencia:

• Química Computacional
• Aprendizaje Automático
• Quimioinformática

Sus antecedentes:

• Los métodos basados en datos son cruciales para vincular las estructuras químicas con las propiedades.
• El aprendizaje actual de representaciones moleculares utiliza principalmente enfoques centrados en átomos (por ejemplo, redes neuronales de grafos, modelos de lenguaje químico).
• La integración de información de grupos funcionales en modelos avanzados es un área poco explorada.

Objetivo del estudio:

• Presentar gSelformer-MV, un modelo transformer diseñado para representar moléculas tanto a nivel atómico como de subestructura.
• Aprovechar múltiples vistas de Group SELFIES (una variante de SELFIES aumentada con tokens de grupos funcionales) para mejorar la predicción de propiedades moleculares.
• Abordar la brecha en la incorporación de datos de grupos funcionales en el aprendizaje avanzado de representaciones moleculares.

Principales métodos:

• Desarrollo de gSelformer-MV, una arquitectura transformer que opera en múltiples vistas de Group SELFIES.
• Construcción de múltiples vistas de Group SELFIES particionadas por subgrafos para entrenamiento e inferencia conjuntos.
• Comparación de gSelformer-MV con modelos entrenados únicamente con cadenas SELFIES.

Principales resultados:

• gSelformer-MV demostró una precisión y explicabilidad superiores en comparación con modelos que utilizan únicamente SELFIES.
• Se logró un rendimiento de vanguardia en múltiples puntos de referencia de regresión molecular.
• Se observaron mejoras adicionales en el rendimiento al centrarse en predicciones de alta confianza.

Conclusiones:

• La aumentación de subgrafos utilizando Group SELFIES es una estrategia eficaz para mejorar la predicción de propiedades moleculares basada en cadenas.
• gSelformer-MV ofrece un nuevo y potente enfoque para el aprendizaje de representaciones moleculares.
• Los hallazgos resaltan el potencial de incorporar información de subestructuras para la modelización predictiva en química.