19、利用图神经网络生成图结构数据以助力药物发现

利用图神经网络生成图结构数据以助力药物发现

1. GAE与VGAE的适用场景

在构建生成模型或利用数据的某一方面来学习另一方面时，GAE（图自编码器）和VGAE（变分图自编码器）都是很好的选择。例如，在基于视频片段进行姿态预测的图模型构建中，二者都能发挥作用。不过，它们也存在各自的局限性。

模型	适用场景	特点
GAE	特定的重建任务，如链接预测或节点分类	速度快，适合结构清晰的图数据
VGAE	需要大量或更多样化合成样本的任务，如生成全新的子图或小图	潜在空间更具结构性，在处理噪声数据时表现更好，不易过拟合

若对生成新数据（如用于药物发现的新化学图）感兴趣，VGAE通常是更好的选择。因为其潜在空间的结构特性，能更好地生成具有特定属性的新图。

2. 图生成在药物发现中的应用

图神经网络在药物发现领域产生了重大影响。2020年，利用图神经网络发现了一种新抗生素；2021年，又发布了一种利用图神经网络识别食品中致癌物的新方法。此后，众多论文将图神经网络作为加速药物发现流程的工具。

3. 分子图数据处理

我们将使用ZINC数据集中约250,000个小分子的数据，每个分子包含