今天给大家介绍卡耐基梅隆大学Amir Barati Farimani团队近期发表在arxiv上的关于如何利用对比学习和图神经网络进行分子表示，并服务于下游任务的研究。分子机器学习在分子性质预测和药物发现方面具有广阔的应用前景。然而，由于标记数据有限和分子的化学空间十分广阔，有监督学习模型泛化能力较差。这大大限制了机器学习方法在分子设计和发现中的应用。为解决上述问题，作者提出了一个用于大型无标记分子库的自监督学习框架：MolCLR，该模型通过图神经网络（GNNs）结合对比学习学习分子表示。实验表明，MolCLR学习到的分子表征可以迁移到多个下游分子性质预测任务中，在许多具有挑战性的数据集上实现了最先进的性能。该文还证明了文章中提出的分子图增强算法在有监督的分子分类任务中也十分有效。
MolCLR模型框架
图1 通过图神经网络表示的分子对比学习
N个分子的SMLIES表示sn转换成分子图Gn。对每个图应用两个随机分子图增强方法，得到两个相关遮盖图：G̃2n−1和G̃2n。基于图卷积的读出操作的特征编码器提取表示h2n−1，利用对比损失来最大化MLP投影头的潜在向量z2n−1、z2n之间的一致性。
图2 三种分子图增强策略。(a)原子遮盖，随机遮挡原子节点的特征。(b)键删除，随机地删除两个原子之间的键。(c)子图删除，从原始分子图中随机删除一个诱导子图。
总结
作者提出了基于GNNs的分子表征对比学习框架MolCLR和三种分子图增强策略：原子遮盖、键删除和子图删除。实验表明，与以监督学习方式训练的模型相比，MolCLR预训练的GNN模型在各种分子任务上都有不错的效果，并且具有更好的泛化能力。
