Wissensbasierter BERT: eine Methode zur Extraktion molekularer Merkmale wie computergestützte Chemiker

Modelle zur Vorhersage molekularer Eigenschaften, die auf Machine-Learning-Algorithmen basieren, sind zu wichtigen Werkzeugen geworden, um vielversprechende Leitstrukturen in den frühen Phasen der Wirkstoffentdeckung zu triagieren. Im Vergleich zu den gängigen deskriptor- und graphbasierten Methoden zur Vorhersage molekularer Eigenschaften können SMILES-basierte Methoden molekulare Merkmale direkt aus SMILES ohne humanexperten Wissen extrahieren, erfordern jedoch leistungsstärkere Algorithmen zur Merkmalsextraktion und eine größere Menge an Daten für das Training, was SMILES-basierte Methoden weniger beliebt macht. Hier zeigen wir das große Potenzial des Pre-Trainings zur Förderung der Vorhersagen wichtiger pharmazeutischer Eigenschaften. Durch die Nutzung von drei Pre-Training-Aufgaben, die auf der Vorhersage von Atommerkmalen, der Vorhersage molekularer Merkmale und kontrastivem Lernen basieren, wurde eine neue Pre-Training-Methode namens K-BERT entwickelt, die chemische Informationen aus SMILES wie Chemiker extrahieren kann. Die Berechnungsergebnisse zu 15 pharmazeutischen Datensätzen zeigen, dass K-BERT die etablierten deskriptorbasierten (XGBoost) und graphbasierten (Attentive FP und HRGCN+) Modelle übertrifft. Darüber hinaus haben wir festgestellt, dass die kontrastive Lernaufgabe K-BERT in die Lage versetzt, SMILES zu 'verstehen', die nicht auf kanonische SMILES beschränkt sind. Darüber hinaus weisen die allgemeinen Fingerabdrücke K-BERT-FP, die von K-BERT generiert wurden, eine vergleichbare Vorhersagekraft wie MACCS für 15 pharmazeutische Datensätze auf und können auch molekulare Größen- und Chiralitätsinformationen erfassen, die traditionelle binäre Fingerabdrücke nicht erfassen können. Unsere Ergebnisse illustrieren das große Potenzial von K-BERT in den praktischen Anwendungen der Vorhersage molekularer Eigenschaften in der Wirkstoffentdeckung.