BERT القائم على المعرفة: طريقة لاستخراج الميزات الجزيئية مثل الكيميائيين الحاسوبيين

أصبحت نماذج توقع الخصائص الجزيئية المعتمدة على خوارزميات التعلم الآلي أدوات هامة لتصنيف الجزيئات الرائدة غير الواعدة في المراحل المبكرة من اكتشاف الأدوية. مقارنةً بالطرق التقليدية المعتمدة على الوصف والرسوم البيانية لتوقع الخصائص الجزيئية، يمكن أن تستخرج الطرق المعتمدة على SMILES الميزات الجزيئية مباشرة من SMILES دون الحاجة إلى معرفة خبير بشري، لكنها تتطلب خوارزميات أكثر قوة لاستخراج الميزات وكمية أكبر من البيانات للتدريب، مما يجعل الطرق المعتمدة على SMILES أقل شعبية. هنا، نظهر الإمكانات الكبيرة للتدريب المسبق في تعزيز توقعات الخصائص الصيدلانية الهامة. من خلال استخدام ثلاث مهام تدريب مسبق تعتمد على توقع ميزات الذرات، وتوقع الميزات الجزيئية، والتعلم التبايني، تم تطوير طريقة تدريب مسبق جديدة K-BERT، والتي يمكن أن تستخرج المعلومات الكيميائية من SMILES مثل الكيميائيين. تظهر النتائج الحسابية على 15 مجموعة بيانات صيدلانية أن K-BERT يتفوق على النماذج المعتمدة على الوصف (XGBoost) والمعتمدة على الرسوم البيانية (Attentive FP و HRGCN+). علاوة على ذلك، وجدنا أن مهمة التدريب المسبق التعلمي التبايني تمكّن K-BERT من "فهم" SMILES ليس فقط SMILES الكانونية. علاوة على ذلك، فإن بصمات K-BERT العامة التي أنشأها K-BERT تظهر قوة تنبؤية مقارنة لـ MACCS على 15 مجموعة بيانات صيدلانية ويمكنها أيضًا التقاط معلومات الحجم الجزيئي والميليّة التي لا تستطيع البصمات الثنائية التقليدية التقاطها. توضح نتائجنا الإمكانات العظيمة لـ K-BERT في التطبيقات العملية لتوقع الخصائص الجزيئية في اكتشاف الأدوية.