NaFM: Pre-training a Foundation Model for Small-Molecule Natural Products
Created by
Haebom
저자
Yuheng Ding, Yusong Wang, Bo Qiang, Jie Yu, Qi Li, Yiran Zhou, Zhenmin Liu
개요
본 논문은 천연물 연구를 위한 기초 모델(NaFM)을 제시합니다. 기존의 천연물 연구에 사용되는 딥러닝 방법들은 특정 하위 작업에 맞춰 설계된 지도 학습 방식에 의존하여 일반화 성능이 낮고 성능 향상의 여지가 큽니다. 본 연구에서는 천연물의 고유한 특성을 고려한 새로운 사전 학습 전략을 사용하여 기초 모델을 구축했습니다. 대조 학습과 마스크 그래프 학습 목표를 통합하여 분자 골격의 진화 정보와 측쇄 정보를 모두 포착합니다. NaFM은 천연물 탐색 및 신약 개발과 관련된 다양한 하위 작업에서 최첨단(SOTA) 결과를 달성하며, 합성 분자 중심의 기준 모델과 비교하여 천연 합성에 대한 이해 부족을 보여주고 유전자 및 미생물 수준의 세부 분석을 통해 진화 정보를 포착하는 능력을 입증합니다. 또한, 가상 스크리닝 실험을 통해 잠재적 신약 후보 물질을 더 효과적으로 식별할 수 있는 정보가 풍부한 천연물 표현을 제시합니다.
시사점, 한계점
•
시사점:
◦
천연물의 고유 특성을 고려한 새로운 사전 학습 전략을 제시하여 천연물 연구에 대한 딥러닝 모델의 성능 향상을 도모했습니다.
◦
다양한 하위 작업(분류, 가상 스크리닝 등)에서 SOTA 성능을 달성하여 모델의 유용성을 입증했습니다.
