GNN-Modelle für Molekülregression: Benchmarking und CKA-Analyse

Eine neue Studie aus dem Bereich der rechnergestützten Chemie hat die Leistungsfähigkeit von Graphen-Neuronalen Netzen (GNN) bei der Vorhersage molekularer Eigenschaften systematisch untersucht. Dabei wurden vier unterschiedliche GNN-Architekturen auf einer breiten Palette von Datensätzen – von physikalischer Chemie über Biologie bis hin zu analytischen Anwendungen – getestet.

Traditionell werden Moleküle als SMILES‑Strings dargestellt und in feste Fingerabdruck‑Vektoren umgewandelt, die als Eingabe für klassische Machine‑Learning‑Modelle dienen. Neuere Ansätze nutzen die SMILES‑Strings jedoch, um aus Molekülen Graphen zu generieren, bei denen Atome Knoten und Bindungen Kanten darstellen. GNN‑Modelle können diese Graphen direkt verarbeiten und dabei die strukturellen Beziehungen innerhalb eines Moleküls lernen, ohne auf vorgefertigte Fingerabdrücke angewiesen zu sein.

Die Autoren haben die vier GNN‑Modelle – darunter GCN, GAT, GraphSAGE und ein weiteres Modell – auf dieselben Datensätze angewendet und die Ergebnisse mit herkömmlichen Fingerabdruck‑Modellen verglichen. Zusätzlich wurde ein hierarchisches Fusionsframework entwickelt, das die Ausgaben von GNN und Fingerabdruck‑Modellen kombiniert.

Ergebnisse zeigen, dass die Fusionsarchitektur die Leistung der reinen GNN‑Modelle konsequent übertrifft oder gleichwertig ist, wobei die mittlere quadratische Fehler (RMSE) um mehr als 7 % verbessert werden konnten. Auch die Basis‑Fingerabdruck‑Modelle wurden in vielen Fällen übertroffen.

Um die Ähnlichkeit der von GNN und Fingerabdruck‑Modellen erzeugten Repräsentationen zu untersuchen, wurde die Centered Kernel Alignment (CKA) Methode eingesetzt. Die Analyse ergab, dass die beiden Modelltypen in stark unabhängigen latenten Räumen liegen (CKA ≤ 0,46). Gleichzeitig deutet ein hoher CKA‑Score zwischen verschiedenen GNN‑Architekturen darauf hin, dass diese Modelle ähnliche strukturelle Informationen extrahieren.

Die Studie liefert damit wertvolle Einblicke in die Stärken und Schwächen von GNN‑Modellen bei molekularen Regressionsaufgaben und zeigt, dass die Kombination von Graph‑ und Fingerabdruck‑Ansätzen besonders vielversprechend ist. Diese Erkenntnisse können die Entwicklung neuer, leistungsfähiger Vorhersagemodelle in der Wirkstoffforschung, Materialwissenschaft und Biochemie vorantreiben.