Uncertainty-Aware Metabolic Stability Prediction with Dual-View Contrastive Learning
Created by
Haebom
저자
Peijin Guo, Minghui Li, Hewen Pan, Bowen Chen, Yang Wu, Zikang Guo, Leo Yu Zhang, Shengshan Hu, Shengqing Hu
개요
TrustworthyMS는 약물 연구 개발에 중요한 분자 대사 안정성(MS) 예측의 정확도를 높이기 위해 제안된 새로운 대조 학습 프레임워크입니다. 기존 GNN 기반 MS 예측 방법의 한계인 불완전한 분자 모델링(원자 중심 메시지 전달 메커니즘으로 인한 결합 수준 위상 특징 무시)과 신뢰할 수 있는 불확실성 정량화 부족 문제를 해결하기 위해 고안되었습니다. TrustworthyMS는 엣지 유도 특징 전파를 통한 분자 그래프 위상 재매핑 메커니즘, 대조적인 위상-결합 정렬을 통한 표현 강건성 향상, 베타-이항 불확실성 정량화를 통한 불확실성 모델링 등 세 가지 핵심 요소를 통해 더욱 정확하고 신뢰할 수 있는 MS 예측을 제공합니다. 실험 결과, TrustworthyMS는 기존 최첨단 방법보다 예측 성능이 우수함을 보여줍니다.
시사점, 한계점
•
시사점:
◦
분자 그래프 위상 재매핑 메커니즘과 대조 학습을 통해 더욱 정확하고 강건한 분자 대사 안정성 예측 모델을 제시했습니다.
◦
베타-이항 분포를 이용한 불확실성 정량화를 통해 예측의 신뢰도를 높였습니다.
◦
기존 최첨단 방법보다 우수한 예측 성능을 달성했습니다.
•
한계점:
◦
제안된 방법의 일반화 성능에 대한 추가적인 검증이 필요합니다.
◦
다양한 종류의 분자에 대한 성능 평가가 더욱 필요합니다.
◦
베타-이항 분포를 이용한 불확실성 정량화의 한계에 대한 추가적인 분석이 필요할 수 있습니다.
