基于自我监督学习的图神经网络在分子性质预测中的结构-性质关系挖掘研究综述.docVIP

基于自我监督学习的图神经网络在分子性质预测中的结构-性质关系挖掘研究综述

分子性质预测是药物研发、材料科学、环境化学等领域的核心基础任务，其本质是建立分子微观结构与宏观理化/生物性质之间的定量映射关系。传统的定量构效关系（QSAR）模型依赖人工设计的分子描述符，如拓扑指数、分子指纹、量子化学描述符等，不仅特征工程成本高昂，且难以捕捉分子中复杂的非键相互作用、长程电子效应和构象动态变化。近年来，图神经网络（GNN）凭借对分子图结构的天然适配性，将原子作为节点、化学键作为边，通过消息传递机制自动学习原子与官能团的层次化特征，在多种分子性质预测任务上实现了精度突破。然而，标注分子性质数据的稀缺性成为制约GNN模型泛化能力的核心瓶颈：生物活性实验、毒性测试、材料性能表征通常需要数周甚至数月的实验周期，单样本标注成本可达数千美元，现有公开数据集中大部分分子性质的标注样本仅不足万级，无法支撑深度GNN模型的充分训练。

自我监督学习（SSL）为解决小样本场景下的分子表示学习问题提供了可行路径，其核心思想是在大规模无标注分子数据上设计预训练任务，让模型学习通用的分子结构语义，再通过微调适配下游的性质预测任务。将自我监督学习与图神经网络结合，既保留了GNN对分子结构的精准建模能力，又能借助十亿级的公开无标注分子库（如ZINC、PubChem、ChEMBL）学习普适的结构-性质关联模式，有效缓解数据稀