分子图是什么？——别把它想得太玄乎
我刚开始接触这个领域时，总觉得“分子图”是个很吓人的概念。说白了，它就是给分子拍的一张“关系照”。你想想，每个分子粉笔是由原子组成的，原子之间靠着化学键连在一起。把原子看成点，化学键看成线，这不就是一张图吗？
我在项目中遇到过不少刚入门的同学，一上来就冲进图神经网络的公式里，结果越学越晕。我的建议是：先把基础打牢。你如果能清楚地描述一个分子有多少原子、原子怎么连接，后面所有模型都是顺理成章的事。
原子与键：图的两个基本元素
分子图由两个核心部分组成：节点（Nodes） 和 边（Edges）。
- 节点：代表原子。每个节点会携带这个原子的信息，比如元素种类（C、H、O、N...）、电荷数、杂化类型等等。
- 边：代表化学键。边也有自己的属性，比如键的类型（单键、双键、三键、芳香键），或者键长、键角这些几何特征。
举个例子，乙醇（C₂H₅OH）的水式结构你大概见过：一个碳连着三个氢，另一个碳连着两个氢和一个羟基。如果用图来表示，就是 9 个节点（2 个 C + 6 个 H + 1 个 O）和 8 条边（所有 C-H、C-C、C-O 和 O-H 键）。
| 表示方法 | 常见形式 | 优点 | 缺点 |
|---|---|---|---|
| 化学式 | C₂H₆O | 简洁，一目了然 | 丢失空间结构信息 |
| 线图式 | 锯齿状折线图 | 有机化学家很熟悉 | 无法直接输入给机器学习模型 |
| 分子图 | 节点+边+特征矩阵 | 数据结构化，可直接用于 GNN | 需要构建过程，略繁琐 |
数学定义：从结构到矩阵
现在我们知道了分子图由节点和边组成，但计算机不认“原子”和“键”这些词。我们需要把它们翻译成数字。这里有两个关键工具：邻接矩阵 和 特征矩阵。
邻接矩阵（Adjacency Matrix）
假设分子有 N 个原子，我们就建一个 N×N 的矩阵。如果原子 i 和原子 j 之间有键，那矩阵里 (i, j) 这个位置就是 1（或者键的类型编号）；没有键就是 0。
我个人的一个习惯：对于芳香键或者部分共振结构，我会在邻接矩阵里单独用一个数字（比如 1.5）表示，而不是简单粗暴地归为单键或双键。这能有效提高一些药物活性预测模型的精度。
# 乙醇的邻接矩阵（只显示部分，数字为节点索引）
# 假设节点顺序：C1, C2, O1, H1-H6
adj = [
[0, 1, 0, 1, 1, 1, 0, 0, 0], # C1 与 C2 和 3 个 H 相连
[1, 0, 1, 0, 0, 0, 1, 1, 1], # C2 与 C1、O1 和 3 个 H 相连
[0, 1, 0, 0, 0, 0, 0, 0, 1], # O1 与 C2 和 1 个 H 相连
...
]
特征矩阵（Feature Matrix）
邻接矩阵只告诉了我们图的结构。但光有结构不够——我们还需要知道每个原子是什么元素、带多少电荷。所以我们需要一个 N×F 的矩阵，F 是每个原子特征的维度。
# 一个简单版本的特征矩阵
# 每一行对应一个原子：[原子序数, 价电子数, 形式电荷, 杂化类型(one-hot)]
# 这里把原子序数和价电子数做了归一化处理
features = [
[0.40, 0.25, 0.00, 0, 1, 0], # C1: sp3
[0.40, 0.25, 0.00, 0, 1, 0], # C2: sp3
[0.24, 0.38, 0.00, 1, 0, 0], # O1: sp3
[0.06, 0.06, 0.00, 0, 1, 0], # H1
...
]
有了这两个矩阵，任何一个分子都可以被唯一地表示为一组数字。这就是为什么分子图是图神经网络最天然的数据结构。
避坑指南：我曾经在构建特征矩阵时，忘记把氢原子显式表示出来，结果模型效果很差。后来才意识到，很多化学反应和水解过程里，氢的位置和数量起决定性作用。除非是超大规模分子，否则我建议手写显式分子图，不要偷懒。
应用场景：为什么我们需要分子图？
你可能会问：传统方法用 SMILES 字符串或者分子指纹不也挺好？为什么要搞这么复杂？嗯，这里要注意，分子图有一个其他表示法无法比拟的优势：它保留了分子的拓扑结构。
- 药物分子性质预测：预测一个新候选药物分子的溶解性、毒性、穿透血脑屏障的能力。图神经网络可以直接在分子图上做消息传递，捕捉远程相互作用。我在做这个方向时，发现图模型在预测 logP（油水分配系数）时的准确率比传统 ML 模型高 15% 以上。
- 逆向分子设计 & 分子生成：不是预测已有的分子，而是生成全新的、满足特定性质要求的分子。这只能基于图结构做生成，因为 SMILES 生成很容易产生大量无效或不稳环的分子。我记得有个项目，客户想做抗癌症候选分子生成，用图生成方法把无效分子率从 40% 降到了 8%。
- 化学反应预测 & 逆合成分析：反应的中心往往是键的断裂和形成。分子图天然支持对键的操作，你可以把反应看作一张图变成另一张图。比如，预测一个碳-碳键会不会在特定催化剂下断裂。很多工业级反应规划软件的核心已经是图模型了。
- 材料科学 & 晶体结构：不只是有机小分子，MOF（金属有机框架）、电池电解质、甚至蛋白质配体复合物都可以用图来建模。图中节点可以代表基团或者氨基酸残基，边代表相互作用力。这让我在跨学科项目中做得比较顺手。
说白了，如果你要做的事情是“给定一个分子，预测它的性质”或者“生成满足条件的新分子”，分子图几乎是绕不开的第一步。
注意：上述流程中有一个容易忽视的坑——图同构（Isomorphism）问题。同一个分子如果原子编号顺序不同，会产生不同的邻接矩阵。所以很多现代分子图框架只关心图的结构，不关心编号。我建议在使用预训练模型时，一定要确认模型的输入是否做过规范化（Canonicalization）。
小回顾：我眼中的分子图
如果你能把分子画成一堆小球（原子）和连在小球之间的线（键），那么你就已经理解了分子图 90% 的直觉。剩下 10% 只是如何把这些关系正确地编码成数字，喂给机器去学。
这其实很像我们平时给朋友画思维导图：概念是节点，概念之间的关系是边。分子图只不过把「概念」换成了「原子」，「关系」换成了「化学键」。你看，没想象的那么难吧？