JCIM|XGraphBoost:基于图神经网络提取特征的一种更好的分子特性预测模型
1.研究背景
2.数据集
3.模型框架
图1 整体工作流程
4.结果与讨论
图2 三个 GNN 在分类和回归问题上的损失曲线
图3 使用 DMPNN 特征和 Morgan 指纹的 XGBoost 模型的性能比较
图4 监督学习器 XGBoost 与 GNN 原始输出层的性能比较
5.总结
参考资料
D. Deng, X. Chen, R. Zhang, Z. Lei, X. Wang, and F. Zhou, “XGraphBoost: Extracting Graph Neural Network-Based Features for a Better Prediction of Molecular Properties,” J. Chem. Inf. Model., vol. 61, no. 6, pp. 2697–2705, Jun. 2021, doi: 10.1021/acs.jcim.0c01489.
赞 (0)