用图神经网络预测分子性质：从SMILES到溶解度的端到端平台

这个开源项目提供完整端到端平台，将分子表示为图结构，对比GCN、GraphSAGE、GIN三种GNN架构预测水溶性（药物研发关键性质），集成可解释AI（GNNExplainer）和生产级部署（FastAPI+React），解决传统机器学习处理分子拓扑结构的难题。

传统机器学习处理分子数据的核心难题：分子非表格数据，拓扑结构（原子连接方式、环、分支）决定化学性质。GNN将原子建模为节点、化学键为边，保留拓扑结构同时学习性质，项目聚焦水溶性预测（40%候选药物因溶解度失败）。

工作流程：SMILES字符串→RDKit解析→图构建→GNN模型→预测→GNNExplainer解释。

三种GNN架构：

1. GCN：聚合邻居节点特征更新自身表示；
2. GraphSAGE：采样邻居并学习聚合函数（均值/LSTM/池化）；
3. GIN：基于图同构测试理论，表达能力等同于Weisfeiler-Lehman算法，捕捉细微结构差异。

ESOL数据集（1128个分子）测试结果：

模型	MAE	RMSE
GCN	1.4526	1.8407
GraphSAGE	1.4160	1.7666
GIN	0.6876	0.8566

GIN误差不到其他模型一半，被选为生产主模型。

集成GNNExplainer提供：

1. 输出水溶性对数值；
2. 标记关键原子；
3. 热力图展示原子重要性；
4. 高亮关键子结构（如羟基提升溶解度，疏水碳链降低）。帮助理解模型并提供化学洞察，适用于高风险领域。

后端API（FastAPI）：

• GET /health：健康检查；
• POST /predict：输入SMILES返回溶解度；
• POST /visualize：生成2D分子结构；
• POST /explain：返回预测及解释可视化；
• POST /analyze：综合端点。

前端界面（React+Vite）：支持输入SMILES预测、查看结构、解释图、浏览基准结果。

应用：

• 药物发现：筛选溶解度问题分子，节省成本；
• 材料科学：扩展至毒性、生物利用度等预测。

未来方向：

• 实时分子手绘界面；
• 更多数据集扩展；
• 超参数优化；
• Docker云部署；
• 模型监控分析。

结语：项目改变分子科学范式，为AI+化学提供工具链，选择适配数据结构的模型（如GIN）是关键。