中南大学邓磊教授团队提出MolMVC模型，通过多视图对比学习增强药物相关任务的分子表征

文章预览

有效的分子表征在药物开发中至关重要。分子的复杂性质需要综合的多视图表征，包括1D, 2D和3D特征，以捕捉不同的视角。获得包含这些不同结构的表征对于全面理解药物相关环境中的分子至关重要。 2024年9月4日，中南大学邓磊教授团队在Bioinformatics上发表文章MolMVC: Enhancing molecular representations for drug-related tasks through multi-view contrastive learning。 作者提出了一种 针对分子表征学习的多视图对比学习框架，称为MolMVC （Molecular Multi-View Contrastive learning）。 MolMVC使用Transformer编码器捕获1D序列信息，并使用图Transformer对分子的复杂2D和3D结构细节进行编码。 为了有效地融合多视图分子特征，作者还引入了自适应多视图对比损失(Adaptive Multi-View Contrastive loss, AMCLoss)。 实验结果表明，MolMVC在一系列分子性质预测任务中超越了现有方法。 如图1所示， MolMVC框架包括 ………………………………