【儀表網(wǎng) 研發(fā)快訊】電子圓二色光譜(electronic circular dichroism，ecd)作為一種關(guān)鍵的光譜技術(shù)，具有用量少、易測定等優(yōu)點，在不對稱催化、功能材料和藥物發(fā)現(xiàn)等領(lǐng)域有重要且廣泛的應(yīng)用，已成為探索手性分子空間絕對構(gòu)型的有力工具。然而，圓二色光譜的理論計算往往復(fù)雜且耗時，成為化學(xué)研究和藥物開發(fā)中的時間瓶頸。隨著人工智能的發(fā)展，使用機器學(xué)習(xí)自動化預(yù)測分子光譜的技術(shù)得到研究者們的廣泛關(guān)注。當(dāng)前，在分子光譜預(yù)測研究中，基于連續(xù)序列預(yù)測的自回歸模型在一些任務(wù)中展現(xiàn)了出色的性能與發(fā)展?jié)摿?。然而圓二色譜特征信息稀疏，直接采用連續(xù)序列建模會學(xué)到很多無關(guān)噪聲，造成模型過擬合，不具有泛化能力。
 

　　近日，北京大學(xué)莫凡洋課題組、袁粒課題組與廈門大學(xué)王忻昌課題組合作，在Nature Computational Science上發(fā)表了題為“Decoupled peak property learning for efficient and interpretable electronic circular dichroism spectrum prediction”的研究論文。
 

論文截圖
 

　　該研究針對手性小分子圓二色光譜的DFT計算耗時、費力且具有高專業(yè)門檻的問題，通過將連續(xù)的光譜預(yù)測任務(wù)轉(zhuǎn)換為離散表示的光譜峰表征學(xué)習(xí)任務(wù)，實現(xiàn)了以圓二色光譜為代表的若干分子光譜和質(zhì)譜的快速、準(zhǔn)確和通用預(yù)測，并通過多種手性天然產(chǎn)物分子驗證其可靠性。
 

　　研究團隊提出創(chuàng)新性深度學(xué)習(xí)模型ECDFormer，將連續(xù)光譜序列按光譜峰的屬性信息解耦為離散令牌組合形式，并使用查詢變量進行自注意力機制的光譜屬性學(xué)習(xí)，從而構(gòu)建光譜峰結(jié)構(gòu)與分子官能團之間的聯(lián)合表征。在預(yù)測階段，本工作首先學(xué)習(xí)分子拓?fù)浣Y(jié)構(gòu)表征，進而基于光譜-分子結(jié)構(gòu)聯(lián)合表征空間，對光譜峰的數(shù)量、位置、強度進行獨立預(yù)測，最后使用高斯函數(shù)將離散的峰屬性展寬為連續(xù)的光譜序列。這種峰解耦的光譜預(yù)測方案顯著提升了預(yù)測的速度與精度，且具有多種光譜任務(wù)的良好擴展性。
 

本工作模型結(jié)構(gòu)，基于峰解耦的圓二色光譜預(yù)測流程
 

　　論文的通訊作者莫凡洋提出了研究設(shè)想、啟動該項研究，并與合作者(論文共同通訊作者)袁粒、王忻昌共同指導(dǎo)整個研究項目。深圳研究生院院長助理、信息工程學(xué)院院長田永鴻對項目開展進行了算法指導(dǎo)和計算資源支持。北京大學(xué)深圳研究生院AI4S“雙導(dǎo)師”先行啟動計劃入選者博士生李昊和廈門大學(xué)博士生龍達(dá)為論文的共同第一作者。
 

　　該工作獲得國家自然科學(xué)基金委員會、廈門大學(xué)校長基金、北京大學(xué)深圳研究生院AI4S交叉研究專項等基金與項目的資助。