分子表現の重要性：フィンガープリント、RDKit記述子、およびハッシュ化の影響の比較評価

科学分野:

• 計算化学; 化学情報学; 化学における機械学習

背景:

• 分子表現は、量子化学的特性を予測する機械学習モデルの精度に大きく影響します。最適な分子表現の選択は、効果的な化学情報学的研究にとって不可欠です。

研究 の 目的:

• 9つの2D分子フィンガープリントと3つのRDKit記述子セット（PHYS、CONF、PHCO）を比較評価し、5つの分子特性の予測を行いました。化学におけるAIのための分子表現とハッシュ化戦略の選択に関するガイダンスを提供することを目的としました。

主な方法:

• 異なる分子表現の性能を評価するために、予測機械学習モデルを訓練しました。9つの2D分子フィンガープリントと3つのRDKit記述子セットを比較しました。フィンガープリントの品質に対する暗号学的ハッシュ化と非暗号学的ハッシュ化の影響を評価しました。

主要な成果:

• RDKit記述子セットは、様々な特性において、ハッシュ化されたフィンガープリントよりも一貫して正確な予測を提供しました。レイヤードフィンガープリントはグローバルエネルギーターゲットに優れていましたが、ECFP6は原子局在および熱力学的な特性に対してより良い性能を発揮しました。非暗号学的ハッシュ化手法は、暗号学的ハッシュ化（SHA-256）と比較して、優れた一貫した結果をもたらしました。

結論:

• 分子表現は、量子化学的特性の学習可能性に критически 影響します。RDKit記述子は堅牢なアプローチを提供しますが、特定のフィンガープリントにはニッチな用途があります。ハッシュ化戦略は表現の品質に大きく影響し、より良い結果のためには非暗号学的手法が好まれます。