片段级图编码：分子性质预测的可解释性新思路

分子性质预测是药物发现中的关键任务，图神经网络（GNN）已成为该领域的标准工具。然而，GNN 给出的原子级解释对药物化学家来说往往难以直接利用——毕竟化学家思考的单位是官能团，而不是单个原子。最近一篇研究提出了一种简单却有效的思路：不改变模型，只改变输入表示。将分子编码为片段级图，让任何消息传递 GNN 和事后归因方法都能在官能团粒度上给出解释。

为什么原子级解释不够用？

GNN 在分子性质预测任务中表现出色，但它的可解释性研究大多集中在原子级归因上。问题在于，原子级的解释与化学家的实际决策单元之间存在鸿沟。一个高亮原子可能跨越两个不同的官能团，或者一个官能团内部的多个原子被分散标注，这让解释结果很难转化为可操作的化学洞察。

直接对原子级归因做后处理聚合看起来是个自然的补救方案，但这项研究指出，聚合方式的选择本身带有随意性，导致结果不稳定。换句话说，事后聚合并不是一个可靠的替代品。

方法核心：用 BRICS 分解构建片段图

研究者的方案是采用 BRICS 分解将分子拆解为合成上具有意义的片段，每个片段作为图的一个节点，节点特征为其组成原子特征的逐元素求和。这样一来，分子图的规模大幅缩小，但保留了化学语义。

关键优势在于，由于只改变了输入表示，任何标准的消息传递 GNN 架构和任何事后归因方法都可以直接套用，无需修改模型或解释器。解释结果自然落在官能团粒度上，与药物化学家的思维方式对齐。

BRICS（Breaking of Retrosynthetically Interesting Chemical Substructures）是一套基于逆向合成规则的分子片段化方法，由 Degen 等人于 2008 年提出。它定义了一组化学上合理的键断裂模式（如酰胺键、酯键、磺酰胺键等），模拟化学家在逆合成分析中识别可拆分单元的过程。与简单按环或链切分不同，BRICS 产生的片段通常对应真实合成中可独立获取或构建的砌块，因此具有明确的化学语义。在分子图学习中，BRICS 常被用于构建层次化表示或图粗化，其优势在于碎片规模可控且可重复，便于不同分子间片段词汇的复用。

实验结果：更小的图，相当的精度

研究在四种 GNN 架构、四个预测任务和两种解释器上进行了系统评估，并采用骨架分割（scaffold split）来保证泛化性测试的严格性。结果显示，片段级编码在测试精度上与原子级编码相当，而图规模大约缩小了五倍。这意味着计算效率的提升并没有以预测性能为代价。

在解释质量方面，研究者使用积分梯度（Integrated Gradients）归因，在两个酶靶点上检验了已知药效团的恢复率。BACE 靶点上，片段模型的命中率达到随机水平的 1.5 倍；PTR1 靶点上则达到 3.2 倍。这说明片段级解释能够捕捉到有化学意义的模式。

骨架分割（scaffold split）是分子机器学习中一种严格的泛化性评估协议。它依据分子的 Murcko 骨架（即去除侧链后的核心环系结构）进行分组，确保训练集和测试集中的分子具有不同的骨架类型。与随机分割相比，骨架分割更能反映模型对全新化学空间的泛化能力，因为随机分割下测试分子往往与训练分子共享相似骨架，容易高估性能。该协议在药物发现基准（如 MoleculeNet）中被广泛采用，尤其适合评估性质预测模型是否学到了可迁移的化学规律而非记忆特定骨架。

积分梯度（Integrated Gradients, IG）是一种基于梯度的归因方法，由 Sundararajan 等人于 2017 年提出。它通过沿基线（如全零向量）到输入样本的直线路径积分梯度，将预测结果归因到各输入特征。IG 满足敏感性和实现不变性等公理，相比原始梯度或简单乘积累加，能更稳定地反映特征贡献。在分子图场景中，IG 可对原子或片段节点进行归因，输出每个节点对预测的贡献分数，从而支持药效团恢复率等可解释性评估。

与原子级聚合基线的对比

一个值得关注的对比是片段级训练与原子级事后聚合的稳定性差异。研究者做了一个同类比较：对原子级模型的归因结果进行聚合，其 BACE 命中率会随着两个任意的聚合选择而上下波动，有时高于片段模型，有时低于片段模型。相比之下，片段级训练给出的是单一的、无需约定选择的归因结果，且不带来预测性能损失。这种稳定性对于实际应用中的可信度至关重要。

对药物发现工作流的意义

这项工作的价值在于它降低了可解释分子预测的使用门槛。药物化学家不需要理解 GNN 的内部机制，也不需要接受原子级的热力图，而是直接看到官能团级别的贡献分析。由于方法不绑定特定模型架构，团队可以在现有的 GNN 流程中低成本地替换输入表示，获得更易沟通的解释结果。

当然，片段级表示也有其局限：BRICS 分解规则本身可能不适用于所有分子类型，某些片段可能过大或过小，影响解释的精细度。但作为一条“只改表示、不改模型”的轻量路径，它为可解释分子性质预测提供了一个务实的落脚点。代码已在 GitHub 开源，便于社区复现和扩展。

要点回顾

• 片段级图编码将分子表示为 BRICS 片段节点，特征为原子特征之和，图规模缩小约五倍而精度不减。
• 任何消息传递 GNN 和归因方法都可直接使用，解释自然落在官能团粒度。
• 积分梯度归因在 BACE 和 PTR1 靶点上分别以 1.5 倍和 3.2 倍于随机水平恢复已知药效团。
• 原子级事后聚合的命中率随聚合选择波动，稳定性不如片段级训练。
• 方法开源，适合作为现有 GNN 流程的轻量替换方案。