分子图神经网络基础：GCN、GAT与消息传递机制

做ADMET预测，我们面对的分子本质上是图结构。原子是节点，化学键是边。

你想想看，如果直接把分子当成一个序列或者指纹扔进模型，其实丢掉了很重要的空间信息。我个人习惯把分子图比作一个社交网络——每个原子有它自己的"朋友圈"，化学键决定了它们的亲疏关系。

这一章我们就来拆解如何用图神经网络把分子信息编码成向量。说白了，就是教会计算机"看懂"分子长什么样。

分子图的数学表示

先解决一个基础问题：怎么把分子告诉计算机？

一个分子图通常用两部分表示：

  • 节点特征矩阵 X：每一行代表一个原子，列是原子属性（原子类型、杂化状态、电荷等）
  • 邻接矩阵 A：记录哪些原子之间有化学键连接

分子图定义：G = (V, E, X)，其中 V 是节点集合，E 是边集合，X 是节点特征矩阵。对一个有 N 个原子的分子，X 的形状是 (N, d)，d 是每个原子的特征维度。

我在项目中遇到过一个问题：苯环的六元环如果只用邻接矩阵，模型其实分不清它和环己烷的区别。所以后来我们会在节点特征里加上芳香性标记，效果立竿见影。

常见的原子特征包括：

特征类别 具体特征 维数
原子类型 C, N, O, S, F, Cl, Br, I, P, 其他 10（one-hot）
度数 连接的键数（1-6） 6
形式电荷 -2, -1, 0, +1, +2 5
杂化状态 sp, sp², sp³ 3
芳香性 是否在芳香环中 1
氢原子数 连接的氢原子数 5

经验之谈：我建议至少用 40 维以上的特征初始化原子节点。特征太少，GCN 很难学到有区分度的原子嵌入。我之前试过只用原子类型和度数，模型对同分异构体完全无法区分。

GCN：图卷积网络

GCN 是图神经网络的"入门款"，但也是基石。

它的核心思想很简单：每个节点从邻居那里"收集"信息，然后更新自己的状态。

单层 GCN 的更新公式：

H⁽ˡ⁺¹⁾ = σ( D̂⁻¹/² · Â · D̂⁻¹/² · H⁽ˡ⁾ · W⁽ˡ⁾ )

其中：
  Â = A + I   （邻接矩阵加自环）
  D̂ᵢᵢ = Σⱼ Âᵢⱼ  （度矩阵）
  H⁽ˡ⁾ 是第 l 层的节点特征
  W⁽ˡ⁾ 是可学习的权重矩阵
  σ 是激活函数（常用 ReLU）

为什么要加 D̂⁻¹/²？因为不归一化的话，度数高的原子会对周围产生过大的影响，模型会不稳定。归一化相当于给每个邻居的信息加了一个"音量调节"。

两层 GCN 在分子性质预测上效果已经很能打了。我有个习惯：不管后面用什么花哨的模块，先用一层 GCN 把节点特征投影到目标维度，再上注意力或者 Transformer。

避坑：我曾经把 GCN 层数堆到 6 层，结果过平滑到所有原子嵌入几乎变成同一个向量。分子图通常只有 10-50 个原子，2-3 层就足够了。层数再多反而会模糊局部结构信息。

GAT：图注意力网络

GCN 有个潜在问题：它对所有邻居一视同仁。在实际分子里，不是所有邻居都同等重要。

比如一个羰基碳连着 C=O 双键和两个单键，氧原子对这个碳的电子密度影响显然更大。GAT 就是为了解决这个问题——给每个邻居分配不同的注意力权重。

注意力机制的计算过程：

eᵢⱼ = LeakyReLU(aᵀ · [W·hᵢ || W·hⱼ])

αᵢⱼ = softmaxⱼ(eᵢⱼ) = exp(eᵢⱼ) / Σₖ∈𝒩ᵢ exp(eᵢₖ)

hᵢ' = σ( Σⱼ∈𝒩ᵢ αᵢⱼ · W · hⱼ )

其中 a 是注意力向量，|| 表示向量拼接，𝒩ᵢ 是节点 i 的邻居集合。

为什么 GAT 适合 ADMET？

ADMET 任务中，某些官能团对毒性或代谢稳定性起决定性作用。GAT 可以自动学习到这些关键原子，不用我们手工指定药效团。我在 CYP450 抑制预测任务中，把 GCN 换成 GAT 后 F1 值提升了约 4%。

实用建议：多头注意力是 GAT 的标准配置。用 8 个头并行计算注意力，最后拼接或求平均。这样可以捕捉不同类型的"关注模式"。

# 多头注意力输出的两种处理方式
# 拼接（中间层推荐）
hᵢ' = ||ₖ₌₁ᴷ σ( Σⱼ∈𝒩ᵢ αᵢⱼᵏ · Wᵏ · hⱼ )

# 求平均（最后一层推荐）
hᵢ' = σ( 1/K · Σₖ₌₁ᴷ Σⱼ∈𝒩ᵢ αᵢⱼᵏ · Wᵏ · hⱼ )

消息传递机制：统一框架

GCN 和 GAT 其实是消息传递框架下的两个具体实例。把问题抽象成"消息传递"能让我们更容易设计出新的变体。

消息传递框架包含三个步骤：

  1. 消息构建：每个节点根据自己和邻居的信息生成消息
  2. 消息聚合：把邻居发来的消息集合起来
  3. 节点更新：用聚合后的消息更新节点状态

用公式表达：

mᵢ⁽ᵗ⁾ = AGGREGATE( { M(hᵢ⁽ᵗ⁻¹⁾, hⱼ⁽ᵗ⁻¹⁾, eᵢⱼ) | j ∈ 𝒩ᵢ } )
hᵢ⁽ᵗ⁾ = UPDATE( hᵢ⁽ᵗ⁻¹⁾, mᵢ⁽ᵗ⁾ )

其中：
  t 是传播步数（对应网络层数）
  M 是消息函数（通常是个 MLP）
  AGGREGATE 可以是 sum、mean、max 或 attention
  UPDATE 可以是 GRU、MLP 或简单的残差连接

我的选择偏好：对分子图来说，AGGREGATE 用 sum 比 mean 效果好。为什么？因为 sum 对分子大小更敏感。比如一个苯环上的氢被替代成硝基，sum 聚合能捕捉到这种整体信号变化，mean 则会被平均掉。

下面这个图展示了我平时搭建分子编码器的完整流程。从原子和化学键出发，经过多轮消息传递，最终汇聚成分子级别表征，然后送到下游 ADMET 预测头。

分子图编码器核心流程 分子图 G=(V, E, X) 节点嵌入层 消息传递层 × 3 消息构建 消息聚合 节点更新 GCN / GAT 读出层（Readout） ADMET 预测（分类/回归） 关键参数 • 节点特征维度: 40~100 • 隐藏层维度: 128~256 • 消息传递层数: 2~4 • 聚合方式: sum / attention • 读出方式: sum / mean / set2set

消息传递的三种聚合方式对比

选择哪种聚合方式？这不是理论问题，是工程问题。我试过各种组合，下面是我总结的规律。

聚合方式 特点 适用场景 我的评分
Sum 保留分子大小信息，对尺度敏感 分子性质预测（LogP、溶解度） ⭐⭐⭐⭐
Mean 对大小不敏感，关注局部密度 结合位点识别、官能团分类 ⭐⭐⭐
Attention（GAT） 加权聚合，能聚焦关键原子 毒性位点预测、CYP抑制 ⭐⭐⭐⭐⭐

曾经踩过的坑：我在预测 hERG（人类醚-à-go-相关基因）心脏毒性时，直接用 GCN+Sum 聚合，效果很差。后来换成 GAT 才意识到——hERG 抑制主要由几个关键疏水残基和碱性氮原子决定，GCN 把噪音也加权进去了，而 GAT 自动把注意力集中到那几个关键原子上。

读出头：从原子嵌入到分子嵌入

消息传递结束后，我们得到的是每个原子的嵌入向量。但 ADMET 预测需要的是整个分子的表征。这就需要一个"读出头"——把一堆节点向量压缩成一个全局向量。

三种常见策略：

  • 全局池化：对所有节点嵌入做 sum、mean 或 max 池化。简单快速，但会丢失拓扑信息
  • Set2Set：参考 Vinyals 的工作，用循环神经网络做有序化输出，能保留一定结构信息
  • 虚拟节点：在分子图上额外加一个与所有原子相连的虚拟节点。我跟你说，这个方法在预训练-微调场景下特别实用，虚拟节点可以作为"读出代理"

实战技巧：我建议把 Sum 池化和 Mean 池化拼接起来作为分子嵌入。这样做的好处是同时编码了"总量"和"平均密度"两种信息。在我的预训练实验中，这种方式比单独用任何一种都稳定。

代码实现就是一句：h_mol = torch.cat([h_node.sum(dim=0), h_node.mean(dim=0)])

好了，以上是分子图编码器的核心构造。有了这些基础，下一阶段我们就可以把这些编码器放到预训练框架里，去大规模无标记分子数据上做自监督学习。嗯，这才是把 GNN 用对的关键。

← 上一章 📖 返回目录 下一章 →