用于可解释分子性质预测的片段级图编码

图神经网络已是分子性质预测的标准工具，但如何把分子编码成模型输入始终是绕不开的问题：手工特征与学习到的图表征各有利弊、孰优孰劣因任务而异 ^[5]，模型在训练集化学之外外推乏力，还促使研究者在小数据场景引入量子力学描述符来改善泛化 ^[1]。与此同时，片段化表示的价值主要在生成式设计一侧得到验证——树状片段 SMILES 能在低资源标注数据上缓解过拟合 ^[2]，fragSMILES 强调片段编码的化学意义与合成可及性 ^[3]，图片段也已被用来约束多目标药物设计的搜索空间 ^[4]。而预测型 GNN 的解释仍多停在单个原子层面，正如新论文开篇指出的，药物化学家难以据此采取行动。

这项由药学院的 Rafael Lopes Almeida 与 Ina Pöhner 完成的工作 ^[6]不换模型、只换表示：用 BRICS 分解把分子拆成合成上有意义的片段，图上每个节点即一个片段，其特征取片段内原子特征的逐元素求和。由于改动只发生在输入端，任何消息传递 GNN 搭配任何事后归因方法，解释便自然落在官能团分辨率。在骨架划分下、覆盖四种架构、四项任务与两种归因方法的系统评测中，片段级编码在图缩小约五倍的同时保持与原子级相当的测试精度；积分梯度归因在两个酶靶点上以高于随机的水平找回已知药效团，BACE 为随机水平的 1.5 倍，PTR1 达 3.2 倍。

更关键的对照针对“事后聚合”这一看似等价的替代方案：与聚合原子级归因的基线同口径比较显示，其对 BACE 的命中率随两个任意的聚合选择而波动，既可能高于也可能低于片段模型，而片段级训练在不付出预测代价的前提下给出单一、无需人为约定的归因。这一结果把片段表示的适用范围从以生成式设计为主的已有用途 ^[2][3][4] 推进到可解释的性质预测，并提供了具体论据：解释粒度应当在表示层面解决，而非靠事后修补。

也应看到，这是一篇未经同行评议的 arXiv 预印本；“任意 GNN、任意归因方法”的普适性主张只建立在有限组合的实测上，药效团恢复也仅在两个酶靶点验证，其中 BACE 上 1.5 倍于随机的优势并不算强。片段级解释能否切实转化为药物化学家的设计决策，还有待更多靶点与真实工作流的检验；代码已在 GitHub 公开。