高效且可解释的电子圆二色光谱预测：Decoupled Peak Property Learning

学术背景

电子圆二色光谱（Electronic Circular Dichroism, ECD）是研究分子手性的关键工具，特别是在不对称有机合成和药物工业中，用于区分手性分子的绝对构型。然而，现有的ECD光谱预测方法存在两个主要问题：数据稀缺性和可解释性不足，导致预测结果的可信度较低。当前的ECD光谱预测依赖于耗时的量子化学计算，包括分子结构提取、构象搜索、结构优化、时间相关密度泛函理论（TD-DFT）计算和玻尔兹曼加权等步骤。这不仅需要实验化学家具备深厚的专业知识，还耗费大量的计算资源和时间。因此，如何加速ECD光谱的理论计算并提高其预测的准确性和可解释性，成为了一个亟待解决的问题。

论文来源

本论文由Hao Li、Da Long、Li Yuan、Yu Wang、Yonghong Tian、Xinchang Wang和Fanyang Mo共同撰写，作者分别来自北京大学深圳研究生院、厦门大学和北京大学。论文于2024年12月4日发表在Nature Computational Science期刊上。

研究流程

1. 数据集构建

流程描述

为了解决ECD光谱预测中的数据稀缺性问题，研究团队首先构建了一个大规模的ECD光谱数据集CMCDS。该数据集包含22,190个手性分子的ECD光谱及其简化分子线性输入系统（SMILES）序列。这些分子的ECD光谱通过Gaussian 16软件包计算得到，计算过程包括分子结构优化（B3LYP/6-31G水平）和ECD光谱计算（CAM-B3LYP/6-31G(d)水平，nstates=20）。

研究对象与处理

研究对象为从不对称催化文献中提取的手性分子。分子结构通过RDKit包转换为MDL Molfiles格式，并批量生成Gaussian计算文件。

实验结果

CMCDS数据集通过大规模理论计算生成，为后续的深度学习模型训练提供了高质量的数据支持。

2. ECDformer模型的构建

流程描述

研究团队提出了一种基于Transformer架构的深度学习模型ECDformer，用于高效且可解释的ECD光谱预测。ECDformer将ECD光谱分解为峰实体，并分别预测峰的数量、位置和符号。模型架构包括四个主要模块： 1. 分子特征提取模块：基于几何增强的图神经网络（GeoGCN），从分子的原子-键图和键-角图中提取几何和描述符信息。 2. 峰属性学习模块：使用Transformer编码器结构，从分子特征中提取峰相关的信息。 3. 峰属性预测模块：分别预测峰的数量、位置和符号。 4. 光谱渲染模块：从预测的峰属性重建ECD光谱。

研究对象与处理

输入为目标分子的原子-键-角特征和分子描述符。模型通过几何增强的GNN进行分子表示学习，并使用Transformer编码器进行峰属性提取。

实验结果

ECDformer在预测峰属性方面表现出色，峰值符号准确率从37.3%提升至72.7%，光谱预测时间从平均4.6 CPU小时降至1.5秒。

3. 模型性能评估

流程描述

研究团队使用三组基于峰属性的评估指标对ECDformer进行性能评估：数量根均方误差（Number-RMSE）、位置根均方误差（Position-RMSE）和符号准确率（Symbol-Acc）。

研究对象与处理

评估对象为CMCDS数据集中的手性分子，模型预测的峰属性与真实光谱进行比较。

实验结果

ECDformer在所有评估指标上均优于基线模型，特别是在预测复杂光谱（峰数量>5）时表现尤为突出。位置差异和符号差异的分布也表明，ECDformer的预测更接近真实值。

4. 模型的可解释性与泛化能力

流程描述

通过积分梯度法，研究团队标记了分子中对光谱生成贡献最大的区域，发现发色团结构在峰预测中起关键作用。此外，ECDformer在预测红外光谱（IR）和质谱（MS）方面也表现出色，展示了其强大的泛化能力。

研究对象与处理

研究对象包括多种天然产物和药物分子，如具有抗病毒、拮抗和抗炎作用的化合物。

实验结果

ECDformer能够准确预测这些复杂天然产物的ECD光谱，并在质谱和红外光谱预测任务中展示了良好的泛化性能。

研究结论

研究的意义与价值

本研究的核心贡献在于提出了一个高效且可解释的ECD光谱预测框架，解决了现有方法在数据稀缺性和可解释性方面的不足。通过大规模数据集的构建和深度学习模型的引入，ECDformer显著提升了光谱预测的准确性和效率。此外，模型的峰解耦方法不仅提高了预测精度，还为光谱生成过程提供了更高的可解释性。

研究的创新点

1. 大规模数据集CMCDS：填补了手性分子ECD光谱数据的空白，为深度学习模型提供了高质量的训练数据。
2. ECDformer模型：通过峰解耦和属性预测，显著提升了光谱预测的准确性和效率。
3. 泛化能力：ECDformer能够准确预测红外光谱和质谱，展示了其在不同光谱预测任务中的广泛应用潜力。

其他有价值的信息

研究团队还探讨了ECDformer在分子结构推断方面的潜力，尽管当前模型无法从光谱中完全重建分子结构，但其在识别分子轨道和功能团方面表现出一定的能力。未来的研究将进一步优化数据集，特别是增加多手性中心分子的数据，以提升模型对手性结构的全面表征能力。