1. 图神经网络概述与应用领域

1.1 从一张图说起

我第一次接触图神经网络（GNN）是在做药物分子QSAR建模的时候。传统方法把分子描述符排成一维向量，丢进随机森林或XGBoost里跑。效果还行，但总感觉哪里不对劲——分子的空间结构、原子之间的连接关系，全被压没了。你想想看，两个分子功能基团一样、拓扑结构不同，活性可能差十倍，向量化以后却长得差不多。这合理吗？

嗯，图神经网络就是要解决这个问题的。它把数据当成图来处理，每个节点带自己的特征，边描述节点之间的关系。说白了，就是让模型学会“看结构”，而不是只盯着一堆数字。

1.2 图神经网络长什么样？

一个典型的GNN层做三件事：

  • 消息传递：每个节点收集邻居的信息，带上边上的属性。
  • 聚合：把邻居信息汇总，比如求和、取平均或者用注意力加权。
  • 更新：把聚合后的信息和节点自身特征结合起来，更新节点表示。

重复这几步，经过多层GNN，每个节点就能“看到”整个图的结构信息。然后再做个图级别的读出（readout），把节点表示聚合成整个图的向量，拿去做分类或回归。

核心洞察：GNN的本质是让模型自己学会图上的特征工程。以前我们手撸的分子指纹、拓扑指数，现在让网络在训练中自动找出最有效的结构模式。

1.3 GNN在QSAR靶点发现中的位置

传统QSAR流程一般是：收集分子数据 → 计算描述符 → 训练模型 → 预测活性。这里有两个痛点：描述符设计依赖专家经验，而且无法捕捉高阶结构关系；模型泛化到新骨架分子时经常翻车。

GNN直接操作分子图（原子是节点，化学键是边），天然保留了分子拓扑。我在一个激酶靶点项目里遇到过：用传统方法做虚拟筛选，排名靠前的分子在另一系列上活性全丢了；换成GNN后，同一个模型在不同骨架上都抓到了关键药效团。当然，这不是说GNN万能，它数据需求量更大，调参也更麻烦。

维度传统QSARGNN-based QSAR
输入形式固定长度特征向量图结构 + 节点/边属性
特征工程人工设计描述符自动学习结构表示
泛化能力弱（对碎片依赖强）相对强（捕捉拓扑模式）
计算成本低（传统ML）中高（需要GPU加速）
可解释性中等（SHAP等）中等（注意力/梯度解释）

我的建议：如果项目数据量少于几百个分子，传统方法往往更稳。GNN的优势在数据量上千、分子结构多样性高时才会明显体现。别一上来就堆GNN，先跑个基线。

1.4 GNN在药物发现中的典型应用

这几年我陆续参与了几个靶点发现项目，GNN的应用主要集中在这几个方向：

  1. 分子性质预测：溶解度、毒性、ADMET等。GNN在这个场景下精度超过大多数指纹基模型。
  2. 药物-靶标相互作用预测：把药物和靶标分别建模成图，用双塔GNN预测结合亲和力。我在一个GPCR项目里试过，Top-1% 命中率比对接评分高出一截。
  3. de novo 分子生成：用图生成模型（如GraphVAE、MolGAN）在化学空间里搜索新分子，再通过GNN打分筛选。
  4. 蛋白质结构预测与对接：AlphaFold 用的其实是图注意力机制，后面很多增强方法也用GNN做残基接触图。
  5. 定量构效关系（QSAR）：直接预测IC50、pIC50等连续值，GNN已经成了主流方法。

避坑指南：我曾经在一个数据集里发现，GNN模型在测试集上精度很高，但换一批分子直接崩了。后来排查是数据泄漏——分子图里不小心包含了“活性片段”的全局特征。记住，图数据预处理时必须按分子严格切分，不能混入任何测试集信息。

1.5 完整流程框架

下面这张图概括了从分子图到靶点预测的核心流程：

图神经网络在QSAR靶点发现中的整体框架 分子图输入 原子+化学键 图数据增强 扰动/掩码/子图 GNN编码器 消息传递·聚合·更新 图读出层 池化得到图向量 靶点活性预测 pIC50/结合模式 说明：GNN编码器可堆叠多层，每层包含消息传递与聚合 读出方式可选全局平均/最大池化或注意力池化

1.6 实用工具与第一步

简单说下跑起GNN需要的环境。我个人习惯用PyTorch Geometric（PyG），它把消息传递层都封装好了。安装命令如下：

pip install torch torchvision torchaudio
pip install torch-scatter torch-sparse torch-cluster torch-spline-conv
pip install torch-geometric

你拿到一个分子数据集后，可以先转换成图格式。下面是个快速示例，用RDKit把分子转成PyG的Data对象：

from rdkit import Chem
from torch_geometric.data import Data
import torch

def mol_to_graph(smiles):
    mol = Chem.MolFromSmiles(smiles)
    # 简化示例：只取原子序数和键类型
    atoms = [atom.GetAtomicNum() for atom in mol.GetAtoms()]
    edges = [[bond.GetBeginAtomIdx(), bond.GetEndAtomIdx()] for bond in mol.GetBonds()]
    x = torch.tensor(atoms, dtype=torch.long).view(-1, 1)
    edge_index = torch.tensor(edges, dtype=torch.long).t().contiguous()
    return Data(x=x, edge_index=edge_index)

这样，一个分子就变成了图数据。下一步可以喂给GNN模型训练了。

实用提示：一开始跑小分子集时，重点关注图是否“连得通”。我曾经遇到一个分子没有键（孤立的单个原子），图数据里就一个节点，GNN直接报错。加个节点数检查能省很多时间。

1.7 小结：为什么GNN值得学？

我在给团队做技术分享时经常说：图神经网络不是魔法，但它确实打开了一扇新的门。在QSAR靶点发现这个领域，它能帮你绕过手工特征工程，直接跟分子结构对话。当然，代价是你要学会处理图数据、调通GPU、忍受更长的训练时间。但看看这两年顶会论文——Graph Isomorphism Networks、注意力机制、等变GNN……图上的深度学习正在快速进化，不跟上来就真的落后了。

掌握了GNN，你不仅能做更好的活性预测，还能拓展到蛋白质相互作用、代谢通路分析，甚至结合表达数据做多模态建模。嗯，这些都是后面章节要讲的内容。

← 上一章 📖 返回目录 下一章 →