融合多模态数据的药物合成反应的虚拟筛选

doi:10.11772/j.issn.1001-9081.2021122228

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (2): 622-629.DOI: 10.11772/j.issn.1001-9081.2021122228

融合多模态数据的药物合成反应的虚拟筛选

孙晓飞¹^,², 朱静远³, 陈斌²^,⁴, 游恒志³()

^1.中国科学院成都计算机应用研究所，成都 610041
^2.中国科学院大学计算机科学与技术学院，北京 100049
^3.哈尔滨工业大学（深圳）理学院，广东深圳 518055
^4.哈尔滨工业大学（深圳）人工智能研究院，广东深圳 518055

收稿日期:2022-01-07 修回日期:2022-03-14 接受日期:2022-03-17 发布日期:2022-05-16 出版日期:2023-02-10
通讯作者: 游恒志
作者简介:孙晓飞（1981—），男，山东栖霞人，博士研究生，主要研究方向：虚拟筛选、模式识别
朱静远（1997—），男，江苏淮安人，硕士研究生，主要研究方向：合成反应预测
陈斌（1970—），男，四川广汉人，研究员，博士，主要研究方向：机器视觉、深度学习；
基金资助:
深圳市科研基金资助项目(JCYJ20190806142203709);深圳市政府人才发展启动基金资助项目(HA11409030)

Virtual screening of drug synthesis reaction based on multimodal data fusion

Xiaofei SUN¹^,², Jingyuan ZHU³, Bin CHEN²^,⁴, Hengzhi YOU³()

^1.Chengdu Institute of Computer Application，Chinese Academy of Sciences，Chengdu Sichuan 610041，China
^2.School of Computer Science and Technology，University of Chinese Academy of Sciences，Beijing 100049，China
^3.School of Science，Harbin Institute of Technology，Shenzhen，Shenzhen Guangdong 518055，China
^4.International Research Institute for Artificial Intelligence，Harbin Institute of Technology，Shenzhen，Shenzhen Guangdong 518055，China

Received:2022-01-07 Revised:2022-03-14 Accepted:2022-03-17 Online:2022-05-16 Published:2023-02-10
Contact: Hengzhi YOU
About author:SUN Xiaofei， born in 1981， Ph. D. candidate. His research interests include virtual screening， pattern recognition.
ZHU Jingyuan， born in 1997， M. S. candidate. His research interests include synthetic reaction prediction.
CHEN Bin， born in 1970， Ph. D.， research fellow. His research interests include machine vision， deep learning.
Supported by:
Shenzhen Science and Technology Research Fund(JCYJ20190806142203709);Talent Development Starting Fund from Shenzhen Government(HA11409030)

摘要/Abstract

摘要：

药物合成反应，特别是不对称反应是现代药物化学的重要组成部分。化学家们投入了巨大的人力和资源来识别各种化学反应模式，以实现高效合成和不对称催化。量子力学计算和机器学习算法在这一领域的最新研究证明了通过计算机学习现有药物合成反应数据并进行精确虚拟筛选的巨大潜力。然而，现有方法局限于单一模态的数据来源，并且由于数据少的限制，只能使用基本的机器学习方法，使它们在更广泛场景中的普遍应用受到阻碍。因此，提出两种融合多模态数据的药物合成反应的筛选模型来进行反应产率和对映选择性的虚拟筛选，并给出了一种基于Boltzmann分布进行加权的3D构象描述符，从而将分子的立体空间信息与量子力学性质结合起来。这两种多模态数据融合模型在两个代表性的有机合成反应（C-N偶联反应和N，S-缩醛反应）中进行了训练和验证，结果表明前者的R²相对于基线方法在大多数据划分上的提升超过了1个百分点，后者的平均绝对误差（MAE）相对于基线方法在大多数据划分上的下降超过了0.5个百分点。可见，在有机反应筛选的不同任务中采用基于多模态数据融合的模型都会带来好的性能。

关键词: 药物合成反应, 不对称反应, 机器学习, 多模态数据, 3D分子描述符, 虚拟筛选

Abstract:

Drug synthesis reactions， especially asymmetric reactions， are the key components of modern pharmaceutical chemistry. Chemists have invested a lot in manpower and resources to identify various chemical reaction patterns in order to achieve efficient synthesis and asymmetric catalysis. The latest researches of quantum mechanical computing and machine learning algorithms in this field have proved the great potential of accurate virtual screening and learning the existing drug synthesis reaction data by computers. However， the existing methods only use few single-modal data， and can only use the common machine learning methods due to the limitation of not enough data. This hinders their universal application in a wider range of scenarios. Therefore， two screening models of drug synthesis reaction integrating multimodal data were proposed for virtual screening of reaction yield and enantioselectivity. At the same time， a 3D conformation descriptor based on Boltzmann distribution was also proposed to combine the 3D spatial information of molecules with quantum mechanical properties. These two multimodal data fusion models were trained and verified in two representative organic synthesis reactions （C-N cross coupling reaction and N， S-acetal formation）. The R²（R-squared） of the former is increased by more than 1 percentage point compared with those of the baseline methods in most data splitting， and the MAE（Mean Absolute Error） of the latter is decreased by more than 0.5 percentage points compared with those of the baseline methods in most data splitting. It can be seen that the models based on multimodal data fusion will bring good performance in different tasks of organic reaction screening.

Key words: drug synthesis reaction, asymmetric reaction, machine learning, multimodal data, 3D molecular descriptor, virtual screening

中图分类号:

TP391.4

孙晓飞, 朱静远, 陈斌, 游恒志. 融合多模态数据的药物合成反应的虚拟筛选[J]. 计算机应用, 2023, 43(2): 622-629.

Xiaofei SUN, Jingyuan ZHU, Bin CHEN, Hengzhi YOU. Virtual screening of drug synthesis reaction based on multimodal data fusion[J]. Journal of Computer Applications, 2023, 43(2): 622-629.

图/表 12

图1 对药物合成反应进行虚拟筛选的流程

Fig. 1 Flow of virtual screening of drug synthesis reactions

图2 多模态数据融合

Fig. 2 Multimodal data fusion

图3 图卷积神经网络

Fig. 3 Graph convolution neural network

图4 基于加权平均占位的3D描述符及CNN特征融合模型

Fig. 4 3D descriptor based on weighted average occupancy and CNN feature fusion model

图5 基于图卷积的量子力学特征与分子指纹融合模型

Fig. 5 Quantum mechanical feature and molecular fingerprint fusion model based on graph convolution

表1 Buchwald-Hartwig反应的数据集划分

Tab. 1 Splitting of Buchwald-Hartwig reaction dataset

划分方法	添加剂（测试）	测试集反应数量	添加剂（训练）	训练集反应数量
划分1	2、3、16、20、22	879	1、4、5、6、8-15、17-19、21、23	2 980
划分2	6、8、12、14、21	866	1-5、9-11、13、15-20、22、23	2 993
划分3	1、5、9、11、17	824	2-4、6、8、10、12-16、18-23	3 035
划分4	4、10、15、18、23	832	1-3、5-6、8、9、11-14、16、17、19-22	3 027

表2 N，S-缩醛反应的数据集划分

Tab. 2 Splitting of N， S-acetal formation dataset

划分子集	催化剂（1-24）	催化剂（52-70）	底物（27-30、32-35、37-40、42-45）	底物（31、36、41、46、47-51）	训练集反应数量
训练集	√	×	√	×	384
测试集“test sub”	√	×	×	√	216
测试集“test cat”	×	√	√	×	304
测试集“test sub-cat”	×	√	×	√	171

图6 使用基于加权平均占位的3D描述符的6种方法在C-N偶联反应上的性能对比

Fig. 6 Performance comparison of six methods using 3D descriptors based on weighted average occupancy in C-N coupling reaction

图7 使用基于量子力学特征与分子指纹的描述符的6种方法在N，S-缩醛反应上的性能对比

Fig. 7 Performance comparison of six methods using descriptors based on quantum mechanical features and molecular fingerprints in N， S-acetal formation

表3 C-N偶联反应上的测试结果（R2）

Tab. 3 Prediction results （R2） on C-N coupling reaction

方法	random 70/30	additive test 1	additive test 2	additive test 3	additive test 4
Ahneman等^［21］	0.92	0.80	0.77	0.64	0.54
MFF^［18］	0.93	0.85	0.71	0.64	0.18
Schwaller等^［23］	0.95	0.84	0.84	0.75	0.49
CNN特征融合模型	0.95	0.71	0.85	0.61	0.55

表4 N，S-缩醛反应上的测试结果（MAE）

Tab. 4 Prediction results （MAE） on N，S-acetal formation

方法	random 600/475	test sub	test cat	test sub-cat
Zahrt等^［22］	0.152	0.161	0.211	0.238
MFF^［18］	0.144	0.137	0.254	0.282
GCN特征融合模型	0.147	0.135	0.248	0.236

图8 使用GCN特征融合模型筛选出的一部分催化剂

Fig. 8 Some catalysts screened by GCN feature fusion model

参考文献 36

1	ENGEL T. Basic overview of chemoinformatics［J］. Journal of Chemical Information and Modeling， 2006， 46（6）： 2267-2277. 10.1021/ci600234z
2	WILLETT P. Chemoinformatics： a history［J］. WIREs Computational Molecular Science， 2011， 1（1）： 46-56. 10.1002/wcms.1
3	LAVECCHIA A. Machine-learning approaches in drug discovery： methods and applications［J］. Drug Discovery Today， 2015， 20（3）： 318-331. 10.1016/j.drudis.2014.10.012
4	MA J S， SHERIDAN R P， LIAW A， et al. Deep neural nets as a method for quantitative structure-activity relationships［J］. Journal of Chemical Information and Modeling， 2015， 55（2）： 263-274. 10.1021/ci500747n
5	SVETNIK V， LIAW A， TONG C， et al. Random forest： a classification and regression tool for compound classification and QSAR modeling［J］. Journal of Chemical Information and Computer Sciences， 2003， 43（6）： 1947-1958. 10.1021/ci034160g
6	OMATA K. Screening of new additives of active-carbon-supported heteropoly acid catalyst for Friedel-Crafts reaction by Gaussian process regression［J］. Industrial and Engineering Chemistry Research， 2011， 50（19）： 10948-10954. 10.1021/ie102477y
7	KAYALA M A， AZENCOTT C A， CHEN J H， et al. Learning to predict chemical reactions［J］. Journal of Chemical Information and Modeling， 2011， 51（9）： 2209-2222. 10.1021/ci200207y
8	SZYMKUĆ S， GAJEWSKA E P， KLUCZNIK T， et al. Computer-assisted synthetic planning： the end of the beginning［J］. Angewandte Chemie International Edition， 2016， 55（20）： 5904-5937. 10.1002/anie.201506101
9	KITE S， HATTORI T， MURAKAMI Y. Estimation of catalytic performance by neural network — product distribution in oxidative dehydrogenation of ethylbenzene［J］. Applied Catalysis A： General， 1994， 114（2）： L173-L178. 10.1016/0926-860X(94)80169-X
10	LIU B W， RAMSUNDAR B， KAWTHEKAR P， et al. Retrosynthetic reaction prediction using neural sequence-to-sequence models［J］. ACS Central Science， 2017， 3（10）： 1103-1113. 10.1021/acscentsci.7b00303
11	RACCUGLIA P， ELBERT K C， ADLER P D F， et al. Machine-learning-assisted materials discovery using failed experiments［J］. Nature， 2016， 533（7601）： 73-76. 10.1038/nature17439
12	TODD M H. Computer-aided organic synthesis［J］. Chemical Society Reviews， 2005， 34（3）： 247-266. 10.1039/b104620a
13	DENMARK S E， GOULD N D， WOLF L M. A systematic investigation of quaternary ammonium ions as asymmetric phase-transfer catalysts. Application of quantitative structure activity/selectivity relationships［J］. The Journal of Organic Chemistry， 2011， 76（11）： 4337-4357. 10.1021/jo2005457
14	SIGMAN M S， HARPER K C， BESS E N， et al. The development of multidimensional analysis tools for asymmetric catalysis and beyond［J］. Accounts of Chemical Research， 2016， 49（6）： 1292-1301. 10.1021/acs.accounts.6b00194
15	HAMMETT L P. The effect of structure upon the reactions of organic compounds. Benzene derivatives［J］. Journal of the American Chemical Society， 1937， 59（1）： 96-103. 10.1021/ja01280a022
16	SANTANILLA A B， REGALADO E L， PEREIRA T， et al. Nanomole-scale high-throughput chemistry for the synthesis of complex molecules［J］. Science， 2015， 347（6217）： 49-53. 10.1126/science.1259203
17	COLLINS K D， GENSCH T， GLORIUS F. Contemporary screening approaches to reaction discovery and development［J］. Nature Chemistry， 2014， 6（10）： 859-871. 10.1038/nchem.2062
18	SANDFORT F， STRIETH-KALTHOFF F， KÜHNEMUND M， et al. A structure-based platform for predicting chemical reactivity［J］. Chem， 2020， 6（6）： 1379-1390. 10.1016/j.chempr.2020.02.017
19	WEI J N， DUVENAUD D， ASPURU-GUZIK A. Neural networks for the prediction of organic chemistry reactions［J］. ACS Central Science， 2016， 2（10）： 725-732. 10.1021/acscentsci.6b00219
20	COLEY C W， BARZILAY R， JAAKKOLA T S， et al. Prediction of organic reaction outcomes using machine learning［J］. ACS Central Science， 2017， 3（5）： 434-443. 10.1021/acscentsci.7b00064
21	AHNEMAN D T， ESTRADA J G， LIN S S， et al. Predicting reaction performance in C-N cross-coupling using machine learning［J］. Science， 2018， 360（6385）： 186-190. 10.1126/science.aar5169
22	ZAHRT A F， HENLE J J， ROSE B T， et al. Prediction of higher-selectivity catalysts by computer-driven workflow and machine learning［J］. Science， 2019， 363（6424）： No.eaau5631. 10.1126/science.aau5631
23	SCHWALLER P， VAUCHER A C， LAINO T， et al. Prediction of chemical reaction yields using deep learning［J］. Machine Learning： Science and Technology， 2021， 2（1）： No.015016. 10.1088/2632-2153/abc81d
24	CHEN H M， ENGKVIST O， WANG Y H， et al. The rise of deep learning in drug discovery［J］. Drug Discovery Today， 2018， 23（6）： 1241-1250. 10.1016/j.drudis.2018.01.039
25	ALTAE-TRAN H， RAMSUNDAR B， PAPPU A S， et al. Low data drug discovery with one-shot learning［J］. ACS Central Science， 2017， 3（4）： 283-293. 10.1021/acscentsci.6b00367
26	LIPKOWITZ K B， PRADHAN M. Computational studies of chiral catalysts： a comparative molecular field analysis of an asymmetric Diels-Alder reaction with catalysts containing bisoxazoline or phosphinooxazoline ligands［J］. The Journal of Organic Chemistry， 2003， 68（12）： 4648-4656. 10.1021/jo0267697
27	KOZLOWSKI M C， DIXON S L， PANDA M， et al. Quantum mechanical models correlating structure with selectivity： predicting the enantioselectivity of β-amino alcohol catalysts in aldehyde alkylation［J］. Journal of the American Chemical Society， 2003， 125（22）： 6614-6615. 10.1021/ja0293195
28	DIXON S， MERZ K M， Jr.， LAURI G， et al. QMQSAR： utilization of a semiempirical probe potential in a field-based QSAR method［J］. Journal of Computational Chemistry， 2005， 26（1）： 23-34. 10.1002/jcc.20142
29	HUANG J， IANNI J C， ANTOLINE J E， et al. De novo chiral amino alcohols in catalyzing asymmetric additions to aryl aldehydes［J］. Organic Letters， 2006， 8（8）： 1565-1568. 10.1021/ol0600640
30	PHUAN P W， IANNI J C， KOZLOWSKI M C. Is the A-ring of sparteine essential for high enantioselectivity in the asymmetric lithiation-substitution of N-Boc-pyrrolidine？［J］. Journal of the American Chemical Society， 2004， 126（47）： 15473-15479. 10.1021/ja046321i
31	马佳良，陈斌，孙晓飞. 基于改进的Faster R-CNN的通用目标检测框架［J］. 计算机应用， 2021， 41（9）： 2712-2719. 10.11772/j.issn.1001-9081.2020111852
	MA J L， CHEN B， SUN X F. General target detection framework based on improved Faster R-CNN［J］. Journal of Computer Applications， 2021， 41（9）： 2712-2719. 10.11772/j.issn.1001-9081.2020111852
32	XIONG Z P， WANG D Y， LIU X H， et al. Pushing the boundaries of molecular representation for drug discovery with the graph attention mechanism［J］. Journal of Medicinal Chemistry， 2020， 63（16）： 8749-8760. 10.1021/acs.jmedchem.9b00959
33	VITAKU E， SMITH D T， NJARDARSON J T. Analysis of the structural diversity， substitution patterns， and frequency of nitrogen heterocycles among US FDA approved pharmaceuticals［J］. Journal of Medicinal Chemistry， 2014， 57（24）： 10257-10274. 10.1021/jm501100b
34	Cambridge structural database［EB/OL］. ［2022-03-2］.. 10.1007/978-1-4614-1533-6_100393
35	MILO A， BESS E N， SIGMAN M S. Interrogating selectivity in catalysis using molecular vibrations［J］. Nature， 2014， 507（7491）： 210-214. 10.1038/nature13019
36	MILO A， NEEL A J， TOSTE F D， et al. A data-intensive approach to mechanistic elucidation applied to chiral anion catalysis［J］. Science， 2015， 347（6223）： 737-743. 10.1126/science.1261043

[1]	陈学斌, 任志强, 张宏扬. 联邦学习中的安全威胁与防御措施综述[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1663-1672.
[2]	姚梓豪, 栗远明, 马自强, 李扬, 魏良根. 基于机器学习的多目标缓存侧信道攻击检测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1862-1871.
[3]	佘维, 李阳, 钟李红, 孔德锋, 田钊. 基于改进实数编码遗传算法的神经网络超参数优化[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 671-676.
[4]	郑毅, 廖存燚, 张天倩, 王骥, 刘守印. 面向城区的基于图去噪的小区级RSRP估计方法[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 855-862.
[5]	李博, 黄建强, 黄东强, 王晓英. 基于异构平台的稀疏矩阵向量乘自适应计算优化[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3867-3875.
[6]	陈学斌, 屈昌盛. 面向联邦学习的后门攻击与防御综述[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3459-3469.
[7]	孙仁科, 皇甫志宇, 陈虎, 李仲年, 许新征. 神经架构搜索综述[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 2983-2994.
[8]	柴汶泽, 范菁, 孙书魁, 梁一鸣, 刘竟锋. 深度度量学习综述[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 2995-3010.
[9]	尹春勇, 周永成. 双端聚类的自动调整聚类联邦学习[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3011-3020.
[10]	崔昊阳, 张晖, 周雷, 杨春明, 李波, 赵旭剑. 有序规范实数对多相似度K最近邻分类算法[J]. 《计算机应用》唯一官方网站, 2023, 43(9): 2673-2678.
[11]	钟静, 林晨, 盛志伟, 张仕斌. 基于汉明距离的量子K-Means算法[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2493-2498.
[12]	蓝梦婕, 蔡剑平, 孙岚. 非独立同分布数据下的自正则化联邦学习优化方法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2073-2081.
[13]	黄晓辉, 杨凯铭, 凌嘉壕. 基于共享注意力的多智能体强化学习订单派送[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1620-1624.
[14]	郝劭辰, 卫孜钻, 马垚, 于丹, 陈永乐. 基于高效联邦学习算法的网络入侵检测模型[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1169-1175.
[15]	张军鹏, 施玉杰, 蒋睿, 董静静, 邱昌建. 基于脑电信号的认知功能障碍识别与分类进展综述[J]. 《计算机应用》唯一官方网站, 2023, 43(10): 3297-3308.

融合多模态数据的药物合成反应的虚拟筛选

Virtual screening of drug synthesis reaction based on multimodal data fusion

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 36

相关文章 15

编辑推荐

Metrics