DG-GL: 분류 기하학 기반의 분자 데이터셋의 기하학적 학습

동기: 다양한 물리적 모델링에서의 큰 성공에도 불구하고, 미분 기하학(DG)은 차원 축소에서의 잠재력과 미분 가능한 다양체에서의 중요한 화학적 및 생물학적 정보를 인코딩하는 능력에 대한 이해가 제한되어 있어 대규모, 다양하고 복잡한 분자 및 생체 분자 데이터셋을 분석하기 위한 다재다능한 도구로 설계된 사례가 드물다. 결과: 우리는 3차원(3D) 분자 구조의 본질적인 물리학이 고차원 데이터 공간에 내재된 저차원 다양체의 가족에 있다고 주장하는 미분 기하학 기반의 기하학적 학습(DG-GL) 가설을 제안한다. 우리는 미분 가능한 밀도 추정기를 사용하여 고차원 구조 데이터 공간에서 추출한 2D 요소 상호 작용 다양체에 중요한 화학적, 물리적 및 생물학적 정보를 인코딩한다. 특정 분석 가능한 미분 가능 밀도 추정기를 위해 분석 형태의 요소 상호 작용 곡률을 구성하는 데 미분 기하학 장치를 사용한다. 이러한 저차원 미분 기하학 표현은 대규모, 다양하고 복잡한 분자 및 생체 분자 데이터셋에 대한 설명적 및 예측적 능력을 보여주기 위해 강력한 머신 러닝 알고리즘과 결합된다. 제안된 DG-GL 전략이 약물 발견 관련 단백질-리간드 결합 친화도, 약물 독성 및 분자 용해 자유 에너지 예측에서 다른 고급 방법보다 우수함을 입증하기 위해 광범위한 수치 실험이 수행된다. 이용 가능성 및 구현: http://weilab.math.msu.edu/DG-GL/ 연락처: wei@math.msu.edu.