scientific-graph-neural-networks

name	scientific-graph-neural-networks
description	グラフニューラルネットワーク (GNN) スキル。PyTorch Geometric・TorchDrug・ DeepChem を活用し、分子特性予測・タンパク質モデリング・知識グラフ推論・ ノード/グラフ分類を支援。 「GNN で分子特性を予測して」「グラフ分類して」「ナレッジグラフ推論して」で発火。

Scientific Graph Neural Networks

グラフニューラルネットワーク (GNN) のための解析スキル。 分子グラフ、タンパク質構造、知識グラフなどの構造化データに対する 深層学習を支援する。

When to Use

• 分子特性予測（溶解度・毒性・ADMET・活性）
• タンパク質機能予測・相互作用予測
• 知識グラフ埋め込み・リンク予測
• ノード分類・グラフ分類・グラフ回帰
• 分子生成・レトロシンセシス計画
• ソーシャル/バイオネットワーク解析

Quick Start

GNN パイプライン

Phase 1: Graph Construction
  - 分子 SMILES → 分子グラフ変換
  - タンパク質 PDB → 接触マップグラフ
  - ノード/エッジ特徴量設計
    ↓
Phase 2: Model Selection
  - GCN / GAT / GIN / GraphSAGE / SchNet
  - Message Passing 方式選択
  - プーリング戦略 (mean, sum, attention)
    ↓
Phase 3: Training
  - データ分割 (scaffold split 推奨)
  - ミニバッチローダー設定
  - 学習率スケジューラ
    ↓
Phase 4: Evaluation
  - ROC-AUC / RMSE / MAE
  - 5-fold CV or scaffold split
  - MoleculeNet ベンチマーク比較
    ↓
Phase 5: Interpretation
  - GNNExplainer / Attention 可視化
  - 分子部分構造の寄与分析
  - SHAP for graphs
    ↓
Phase 6: Deployment
  - モデルエクスポート (ONNX)
  - バッチ推論パイプライン
  - 予測レポート生成

Workflow

1. PyTorch Geometric: 分子特性予測

import torch
import torch.nn.functional as F
from torch_geometric.nn import GCNConv, GATConv, GINConv, global_mean_pool
from torch_geometric.data import Data, DataLoader
from torch_geometric.datasets import MoleculeNet
from rdkit import Chem
import numpy as np

# === 分子 → グラフ変換 ===
def smiles_to_graph(smiles):
    """SMILES → PyG Data オブジェクト"""
    mol = Chem.MolFromSmiles(smiles)
    if mol is None:
        return None

    # ノード特徴量 (原子特徴)
    atom_features = []
    for atom in mol.GetAtoms():
        features = [
            atom.GetAtomicNum(),
            atom.GetDegree(),
            atom.GetFormalCharge(),
            int(atom.GetHybridization()),
            int(atom.GetIsAromatic()),
            atom.GetTotalNumHs(),
            atom.GetNumRadicalElectrons(),
        ]
        atom_features.append(features)

    x = torch.tensor(atom_features, dtype=torch.float)

    # エッジ (結合)
    edge_index = []
    for bond in mol.GetBonds():
        i, j = bond.GetBeginAtomIdx(), bond.GetEndAtomIdx()
        edge_index.extend([[i, j], [j, i]])  # 双方向

    edge_index = torch.tensor(edge_index, dtype=torch.long).t().contiguous()

    return Data(x=x, edge_index=edge_index)


# === GCN モデル ===
class MolGCN(torch.nn.Module):
    def __init__(self, in_channels, hidden_channels, out_channels, n_layers=3):
        super().__init__()
        self.convs = torch.nn.ModuleList()
        self.convs.append(GCNConv(in_channels, hidden_channels))
        for _ in range(n_layers - 2):
            self.convs.append(GCNConv(hidden_channels, hidden_channels))
        self.convs.append(GCNConv(hidden_channels, hidden_channels))
        self.lin = torch.nn.Linear(hidden_channels, out_channels)

    def forward(self, x, edge_index, batch):
        for conv in self.convs:
            x = conv(x, edge_index)
            x = F.relu(x)
            x = F.dropout(x, p=0.2, training=self.training)

        # グラフレベル表現 (Readout)
        x = global_mean_pool(x, batch)
        x = self.lin(x)
        return x


# === GAT (Graph Attention Network) ===
class MolGAT(torch.nn.Module):
    def __init__(self, in_channels, hidden_channels, out_channels, heads=4):
        super().__init__()
        self.conv1 = GATConv(in_channels, hidden_channels, heads=heads, dropout=0.3)
        self.conv2 = GATConv(hidden_channels * heads, hidden_channels, heads=1, dropout=0.3)
        self.lin = torch.nn.Linear(hidden_channels, out_channels)

    def forward(self, x, edge_index, batch):
        x = F.elu(self.conv1(x, edge_index))
        x = F.elu(self.conv2(x, edge_index))
        x = global_mean_pool(x, batch)
        x = self.lin(x)
        return x

2. GIN (Graph Isomorphism Network)

from torch_geometric.nn import GINConv, global_add_pool

class MolGIN(torch.nn.Module):
    """GIN: 最大表現力を持つ GNN (WL test 等価)"""
    def __init__(self, in_channels, hidden_channels, out_channels, n_layers=5):
        super().__init__()
        self.convs = torch.nn.ModuleList()
        self.batch_norms = torch.nn.ModuleList()

        for i in range(n_layers):
            in_ch = in_channels if i == 0 else hidden_channels
            mlp = torch.nn.Sequential(
                torch.nn.Linear(in_ch, hidden_channels),
                torch.nn.BatchNorm1d(hidden_channels),
                torch.nn.ReLU(),
                torch.nn.Linear(hidden_channels, hidden_channels),
            )
            self.convs.append(GINConv(mlp, train_eps=True))
            self.batch_norms.append(torch.nn.BatchNorm1d(hidden_channels))

        self.lin1 = torch.nn.Linear(hidden_channels, hidden_channels)
        self.lin2 = torch.nn.Linear(hidden_channels, out_channels)

    def forward(self, x, edge_index, batch):
        for conv, bn in zip(self.convs, self.batch_norms):
            x = conv(x, edge_index)
            x = bn(x)
            x = F.relu(x)

        x = global_add_pool(x, batch)
        x = F.relu(self.lin1(x))
        x = F.dropout(x, p=0.5, training=self.training)
        x = self.lin2(x)
        return x

3. TorchDrug: 分子特性予測

import torchdrug
from torchdrug import datasets, models, tasks, core

# === TorchDrug: MoleculeNet ベンチマーク ===
# BBBP (Blood-Brain Barrier Penetration) 分類
dataset = datasets.BBBP("data/bbbp/", atom_feature="default", bond_feature="default")

# Scaffold split (推奨: 化学的多様性を考慮)
train_set, valid_set, test_set = dataset.split(ratios=[0.8, 0.1, 0.1])

# GIN モデル
model = models.GIN(
    input_dim=dataset.node_feature_dim,
    hidden_dims=[256, 256, 256, 256],
    batch_norm=True,
    short_cut=True,
    readout="mean",
)

# タスク定義
task = tasks.PropertyPrediction(
    model,
    task=dataset.tasks,
    criterion="bce",
    metric=("auprc", "auroc"),
)

# トレーニング
optimizer = torch.optim.Adam(task.parameters(), lr=1e-3)
solver = core.Engine(
    task,
    train_set, valid_set, test_set,
    optimizer,
    batch_size=128,
    gpus=[0],
)
solver.train(num_epoch=100)
solver.evaluate("valid")

4. 知識グラフ推論

from torchdrug import datasets as td_datasets, models as td_models, tasks as td_tasks

# === 知識グラフ埋め込み ===
# 例: Hetionet (疾患-遺伝子-薬物 KG)
# dataset = td_datasets.Hetionet("data/hetionet/")

# TransE / RotatE / ComplEx モデル
class KGEModel:
    """Knowledge Graph Embedding wrapper"""

    MODELS = {
        "transe": {"embedding_dim": 256, "margin": 6.0},
        "rotate": {"embedding_dim": 256},
        "complex": {"embedding_dim": 256},
    }

    def __init__(self, model_name, num_entities, num_relations):
        self.model_name = model_name
        self.num_entities = num_entities
        self.num_relations = num_relations

    def train_and_evaluate(self, train_triples, valid_triples, test_triples):
        """KGE トレーニングと評価"""
        # 評価メトリクス
        # MRR (Mean Reciprocal Rank)
        # Hits@1, Hits@3, Hits@10
        pass

    def predict_links(self, head, relation, top_k=10):
        """リンク予測: (h, r, ?) → top-k tail entities"""
        pass

    def drug_repurposing_candidates():
        
        

5. トレーニング・評価ループ

from sklearn.metrics import roc_auc_score, mean_squared_error
from torch_geometric.loader import DataLoader

def train_gnn(model, train_loader, optimizer, criterion, device="cpu"):
    """GNN トレーニング 1 エポック"""
    model.train()
    total_loss = 0
    for batch in train_loader:
        batch = batch.to(device)
        optimizer.zero_grad()
        out = model(batch.x, batch.edge_index, batch.batch)
        loss = criterion(out.squeeze(), batch.y.float())
        loss.backward()
        optimizer.step()
        total_loss += loss.item() * batch.num_graphs
    return total_loss / len(train_loader.dataset)


@torch.no_grad()
def evaluate_gnn(model, loader, device="cpu"):
    """GNN 評価"""
    model.eval()
    y_true, y_pred = [], []
    for batch in loader:
        batch = batch.to(device)
        out = model(batch.x, batch.edge_index, batch.batch)
        y_true.extend(batch.y.cpu().numpy())
        y_pred.extend(out.squeeze().cpu().numpy())

    y_true = np.array(y_true)
    y_pred = np.array(y_pred)

    if len(np.unique(y_true)) == 2:  # 分類
        auc = roc_auc_score(y_true, y_pred)
        return {"auroc": round(auc, 4)}
    else:  # 回帰
        rmse = np.sqrt(mean_squared_error(y_true, y_pred))
        return {"rmse": round(rmse, 4)}


def scaffold_split():
    
     rdkit.Chem.Scaffolds.MurckoScaffold  MurckoScaffoldSmiles
    scaffolds = {}
     idx, data  (dataset):
        smiles = data.smiles  (data, )  
        scaffold = MurckoScaffoldSmiles(smiles=smiles)  smiles  (idx)
        scaffolds.setdefault(scaffold, []).append(idx)

    scaffold_sets = (scaffolds.values(), key=, reverse=)

    train_idx, val_idx, test_idx = [], [], []
    n = (dataset)
     s  scaffold_sets:
         (train_idx) / n < train_ratio:
            train_idx.extend(s)
         (val_idx) / n < val_ratio:
            val_idx.extend(s)
        :
            test_idx.extend(s)

     train_idx, val_idx, test_idx

---

Best Practices

1. Scaffold Split 必須: 分子タスクでは random split ではなく scaffold split を使用
2. Message Passing 層数: 3-5 層が最適。深すぎると over-smoothing
3. Readout 関数: 分類→mean pool、検出→sum pool、注意→attention pool
4. ノード特徴量: 原子番号・次数・芳香族性・形式電荷・混成軌道を含める
5. 3D 情報活用: SchNet/DimeNet で 3D 座標を持つ分子は距離情報を活用
6. MoleculeNet ベンチマーク: 新手法は BBBP/BACE/HIV/Tox21 での比較を報告
7. GNNExplainer: 予測根拠の可視化により化学的解釈性を担保

Completeness Checklist

• 分子/グラフデータの前処理完了
• ノード・エッジ特徴量の設計
• GNN アーキテクチャ選定 (GCN/GAT/GIN)
• Scaffold split でデータ分割
• トレーニング収束確認
• ROC-AUC / RMSE でベンチマーク比較
• GNNExplainer で解釈性分析
• 予測レポート生成

References

Output Files

ファイル	形式	生成タイミング
results/gnn_predictions.json	GNN 予測結果（JSON）	推論完了時
results/gnn_benchmark.json	ベンチマーク比較（JSON）	評価完了時
figures/gnn_training_curve.png	学習曲線プロット	トレーニング完了時
figures/gnn_explanation.png	GNNExplainer 可視化	解釈性分析時

利用可能ツール

ToolUniverse SMCP 経由で利用可能な外部ツール。

カテゴリ	主要ツール	用途
PubChem	PubChem_get_compound_properties_by_CID	分子物性取得
ChEMBL	ChEMBL_get_molecule	分子情報取得
ChEMBL	ChEMBL_get_activity	バイオアッセイデータ
UniProt	UniProt_get_entry_by_accession	タンパク質グラフ構築用
BindingDB	BindingDB_get_ligands_by_uniprot	リガンド-ターゲットデータ

参照スキル

スキル	連携
scientific-cheminformatics	← SMILES 前処理・分子記述子
scientific-drug-target-profiling	→ 標的予測・活性予測の GNN 応用
scientific-admet-pharmacokinetics	→ ADMET 予測モデル
scientific-network-analysis	← グラフ構造解析
scientific-deep-learning	← NN アーキテクチャ設計・トレーニング手法
scientific-explainable-ai	→ GNN 予測の説明可能性
scientific-protein-structure-analysis	← タンパク質グラフの構築