编辑推荐：
原子映射在解析化学反应机制、药物设计等领域至关重要，但化学数据库中可靠数据常有限或不完整。研究人员开展 SAMMNet 模型研究，其结合多任务学习与对称性感知，实验表明该模型提升了原子映射预测的准确性与鲁棒性，为计算化学等领域提供新方法。
在化学的奇妙世界里，化学反应如同一场精密的原子舞蹈，每个原子的重新排列都隐藏着反应机制的奥秘。原子映射作为揭示这一奥秘的关键手段，能够确定反应物与产物中原子的对应关系，对于理解化学键的形成与断裂、提取反应规则以及预测新反应的结果至关重要。它的重要性不仅体现在理论化学领域，在药物设计、计算化学和反应预测等实际应用中也发挥着举足轻重的作用。然而，当前许多化学反应数据库中，原子映射数据常常是不完整或缺失的，手动标注大规模数据集又极其耗费人力，这极大地限制了其实际应用。为了突破这一困境，来自芬兰阿尔托大学（Aalto University）的研究人员开展了相关研究，旨在开发一种高效、准确的自动原子映射方法，其研究成果发表在《Journal of Cheminformatics》上。
研究人员提出了 Symmetry-Aware Multitask Atom Mapping Network（SAMMNet）模型，该模型将原子映射问题视为图匹配问题，利用分子图表示和图神经网络（GNN）来捕捉分子的特征。研究中用到的主要关键技术方法包括：多任务学习（MTL），通过引入辅助的自监督节点分类任务，让模型同时学习原子映射和节点分类，以增强分子图表示；图神经网络（GNN），采用 GIN、GCN、GraphSAGE 等不同架构对分子图进行处理，生成节点嵌入；对称性感知 refinement，在预测后利用 Weisfeiler–Lehman（WL）测试来识别分子对称性，解决因分子对称性导致的原子映射歧义问题；图匹配技术，针对不平衡反应，通过对较小的图进行零填充，使反应物和产物的图尺寸一致，便于计算原子间的相似性。
不同训练策略的比较
研究人员对三种训练策略 ——vanilla 训练、转移学习（TL）和多任务学习（MTL）进行了全面评估。vanilla 训练仅专注于原子映射任务，作为基准；转移学习先通过自监督节点分类任务进行预训练，再对原子映射任务进行微调；多任务学习则同时优化原子映射和节点分类两个任务。实验结果表明，在 USPTO-50 K 数据集上，多任务学习（MTL）在各种 GNN 架构下均优于 vanilla 训练和转移学习。以 GIN 模型为例，MTL 的初始准确率达到 88.51%，对称性感知准确率为 97.37%，而 vanilla 训练和转移学习的相应指标均较低。这表明多任务学习能够通过学习共享表示，减少过拟合，提高模型的泛化能力，更有效地处理复杂的分子结构。
平衡任务贡献的影响
为了探究原子映射（AM）和节点分类（NC）任务的权重对模型性能的影响，研究人员进行了不同权重配置的实验。结果显示，当更强调原子映射任务（λAM=0.7，λNC=0.3）时，模型性能最佳，初始准确率和对称性感知准确率分别为 88.51% 和 97.37%。这说明虽然节点分类任务提供了有用的上下文信息和正则化效果，但优先关注原子映射任务对于最大化准确率至关重要。平衡权重或过度强调节点分类任务的配置性能均有所下降，纯节点分类任务在原子映射上的表现更是有限，突显了多任务学习中任务平衡的重要性。
反应完整性对模型性能的影响
研究人员还探讨了反应完整性（平衡与不平衡反应）对 SAMMNet 性能的影响，并与之前专为平衡反应设计的 AMNet 进行了比较。在 USPTO-50 K（不平衡反应）数据集上训练和测试时，SAMMNet 的对称性感知准确率为 97.37%，展现出强大的鲁棒性；当在平衡的 USPTO-15 K 数据集上训练和测试时，SAMMNet 的准确率达到 98.02%，超过了 AMNet 的 97.30%，表明其通过多任务学习框架能够捕捉更丰富的分子表示。而在跨数据集测试中，从平衡数据集训练到不平衡数据集测试时性能有所下降，说明平衡训练数据可能不足以应对不平衡数据集的挑战。
与 state-of-the-art 方法的基准测试
在 Golden 数据集上，研究人员将 SAMMNet 与 state-of-the-art 的原子映射方法 RXNMapper 进行了比较。SAMMNet 的对称性感知准确率为 86.3%，高于 RXNMapper 的 84.5%，进一步证明了其有效性和优越性。
综上所述，这项研究通过引入多任务学习和对称性感知的深度图匹配方法，显著提升了原子映射的准确性和鲁棒性。SAMMNet 模型不仅为解决原子映射数据不足的问题提供了新的解决方案，还为计算化学、药物设计等领域提供了更高效的工具。其多任务学习框架展示了在图基模型中结合辅助任务的优势，为未来的分子表示学习和化学反应建模提供了新的思路和方向。随着研究的进一步深入，将多任务学习应用于更广泛的分子数据集和更复杂的辅助任务，有望推动化学信息学和相关领域的进一步发展。
