💻 computer science

MOLAR: Learning Multimodal Molecular Representations from Noisy Labels

MOLAR 是一个噪声感知框架，它通过将潜在的洁净属性推理与噪声标签观测分离，学习鲁棒的多模态分子表示，从而在训练数据包含损坏注释的情况下，仍能实现可靠的属性预测和可解释的诊断。

原作者： Yingxu Wang, Kunyu Zhang, Nan Yin, Yu Li, Eran Segal

发布于 2026-06-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Yingxu Wang, Kunyu Zhang, Nan Yin, Yu Li, Eran Segal

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在试图教一台计算机识别不同类型的分子，就像一位厨师通过观察来识别食材一样。通常情况下，你会给计算机一张分子的图片（图结构/Graph）和一段描述（文本/Text）。然后，计算机会尝试预测它的属性，比如“它是否有毒？”或者“它能否治愈某种疾病？”

问题在于，你提供给计算机的“标准答案”往往是混乱的。在现实世界中，科学家从实验室测试中获取这些答案，而这些测试可能存在不一致性，数据库中可能有错别字，或者自动化系统可能会出错。这就是论文中所说的**“噪声标签”（Noisy Labels）**。

如果你只是告诉计算机：“信任这个标准答案”，它就会把错误也一并背下来。它可能会学到某个无害的分子是有毒的，仅仅是因为某次实验室测试出现了故障。这就像一个学生用一本充满错误的教科书来备考：他们在练习题上能拿高分，但在真正的考试中却会失败。

解决方案：MOLAR

研究人员创建了一个名为 MOLAR（从噪声标签中学习多模态分子表示）的新系统。MOLAR 不再盲目信任混乱的标准答案，而是像一个聪明的侦探，负责将**真相（Truth）与报告（Report）**区分开来。

以下是它的工作原理，我们使用简单的类比来解释：

1. “双证人”策略
MOLXAL 从两个维度观察分子：

图证人（The Graph Witness）： 观察分子的结构（原子是如何连接的）。
文本证人（The Text Witness）： 阅读描述和化学语言。
通常情况下，这两位证人的意见是一致的。但如果标准答案说“有毒”，而图证人和文本证人都说“安全”，普通的计算机就会感到困惑。MOLAR 则意识到，如果两位证人都对“安全”达成共识，而标准答案却说是“有毒”，那么标准答案很可能是在撒谎。

2. “洁净室”与“嘈杂室”
大多数计算机试图直接拟合混乱的标准答案。MOLAR 的做法则不同：

它建立了一个**“洁净室”（Clean Room）**，在这里，它根据图证人和文本证人的证据，试图弄清楚这个分子实际上是什么。
然后，它有一个**“嘈杂室”（Noisy Room）**，在这里，它观察混乱的标准答案。
至关重要的一点是，它在两个房间之间建立了一个**“翻译官”**（称为标签-观测通道/label-observation channel）。这个翻译官学习“洁净室”中的真相是如何被扭曲成“嘈杂室”中的错误信息的。它会问：“如果真相是‘安全’，那么实验室报告有多少次会由于失误而误报为‘有毒’？”

3. “信任分数”
因为 MOLAR 理解了噪声是如何产生的，所以它可以为数据集中的每一个答案分配一个**“信任分数”（Trust Score）**。

如果图证人和文本证人的意见一致，且标准答案也与他们相符，那么信任分数就很高。
如果证人们对某事达成共识，但标准答案却说了完全不同的内容，信任分数就会下降。系统会学会忽略那个特定的标准答案条目，转而依赖证人提供的证据。

研究发现

研究人员在两种挑战下测试了 MOLAL：

现实世界的混乱： 他们使用了一个庞大的数据集，其中的“训练”标签来自快速、带有噪声的实验室筛选，而“测试”标签则来自仔细、昂贵的确认性测试。MOLAR 在预测这些仔细测试结果方面的表现远优于其他方法，这证明它学习到的是真实的化学特性，而非噪声错误。
人为制造的混乱： 他们拿了一些干净的数据集，并故意反转了 30% 的答案（例如，告诉计算机一个安全的分子是有毒的，反之亦然）。即便面对如此严重的破坏，MOLAR 依然表现出色，而其他方法则表现崩溃。

核心启示

MOLAR 不仅仅是忽略坏数据，它还学习理解数据为什么是坏的。通过将“真相”（分子实际是什么）与“观测值”（实验室报告说了什么）区分开来，并通过权衡结构（图）和描述（文本）的证据，它即使在老师不可靠的情况下也能有效地学习。

论文结论指出，这种方法不仅能带来更好的预测效果，还能为科学家提供一种方式，让他们看到哪些数据点可能是错误的，以及分子的哪些部分（图）或描述（文本）提供了最可靠的证据。

技术摘要：MOLAR —— 从噪声标签中学习多模态分子表示

问题陈述
分子属性预测通常依赖于源自高通量筛选实验、精选数据库或弱注释流水线的标签，这些标签往往具有噪声，而非反映纯净的生物学真实情况。在多模态分子表示学习中，模型整合了基于图的结构数据（原子、键、拓扑结构）与基于文本的语义数据（SMILES、描述、描述符），如果将这些记录的噪声标签视为可靠的监督信号，会导致模型记忆受损的观测值。这一问题在多模态设置中会被进一步放大：标准的融合或对齐策略可能会将标签诱导的误差传播到不同模态之间，且图-文本之间的不一致性常被误解为对齐失败，而非可能指示的标签损坏、某一模态证据不足或真实的确定性缺失。现有的噪声标签学习方法主要针对单模态分类，并未明确区分潜在的分子属性与记录的噪声标签，也未提供一个处理不可靠监督下模态特定证据的原则性框架。

方法论：MOLAR 框架
作者提出了 MOLAR，这是一个旨在将潜在纯净属性推理与记录标签观测分离的噪声感知框架。该框架通过四个关键模块运行：

分子证据初始化：
- 图视图： 分子图 $G_i$ 通过图编码器（如 GIN）被编码为表示 $z^g_i$ 。
- 文本视图： 文本衍生视图 $T_i$ （如 SMILES、描述）通过文本编码器（如 BiomedBERT）被编码为 $z^t_i$ 。
残差自然参数证据组合：
MOLAR 并非通过拼接特征或强制对齐，而是将图视图和文本视图视为潜在纯净类别分布的残差证据来源。
- 可学习函数将表示映射为类别级的残差自然参数： $u^g_i = C(\phi_g(z^g_i))$ 和 $u^t_i = C(\phi_t(z^t_i))$ ，其中 $C$ 是移除共同加性偏移的中心化算子。
- 基向量 $b$ 代表类别先验。
- 纯净 Logits 通过加性组合形成： $\ell_i = C(b + u^g_i + u^t_i)$ 。
- 纯净后验 $p_i$ 通过 Softmax 归一化导出。这种形式化方法允许模型量化每个模态（ $M^g_i, M^t_i$ ）的相对贡献，并解释模态特定的证据。
类别标签-观测通道：
为了利用噪声记录标签 $\tilde{y}_i$ 而不将其视为真值，MOLAR 引入了一个概率通道 $O$ ，将潜在的纯净类别 $y_i$ 映射到记录标签 $\tilde{y}_i$ 。
- $O_{ac} = p(\tilde{y}_i = a | y_i = c)$ 。
- 该通道被参数化为对角占优（允许标签转换但优先考虑正确映射），并在训练期间进行学习。
- 记录标签分布 $\tilde{p}_i$ 通过 $O p_i$ 计算得出。模型旨在最大化记录标签在该分布下的似然度，而非直接拟合 $p_i$ 到 $\tilde{y}_i$ 。
- 该通道自然产生一个后验可靠性得分 $\rho_i$ ，代表记录标签与潜在纯净类别相匹配的概率。
噪声感知学习目标：
总损失函数结合了三个项：
- 记录标签似然度 ( $L_{sup}$ )：基于边缘化分布 $\tilde{p}_i$ 的记录标签负对数似然。
- 证据冲突正则化 ( $L_{conf}$ )：惩罚图视图与文本视图之间的矛盾证据，并由后验可靠性 $\rho_i$ 进行加权。当标签可能可靠时，高置信度的冲突会被更严厉地惩罚。
- 扰动一致性正则化 ( $L_{pert}$ )：鼓励纯净后验在保持标签不变的分子扰动（如特征掩码）下保持稳定，从而确保鲁棒性。

核心贡献

问题形式化： 本文识别并形式化了噪声标签多模态分子学习中的三个核心挑战：(a) 将潜在属性与噪声标签分离，(b) 通过标签-观测通道利用噪声标签进行监督，以及 (c) 在不可靠监督下解释图-文本的不一致性。
框架设计： MOLAR 引入了一个概率框架，将多模态视图组合为纯净后验的残差证据，并通过可学习的观测通道将其与噪声标签联系起来，避免了直接拟合受损的目标。
可解释性： 该框架提供了诊断工具，包括后验可靠性得分 ( $\rho_i$ ) 和模态特定证据贡献，从而能够解释标签的可信度和模态的效用。
实证验证： 大量的实验证明了其在天然噪声基准（MF-PCBA-Noisy7）和受控标签翻转基准（MoleculeNet）上的最先进性能。

实验结果

数据集： 评估在 MF-PCBA-Noisy7（包含七个任务，具有天然噪声的单剂量筛选标签和更纯净的剂量反应确认标签）以及四个 MoleculeNet 基准（HIV, BACE, BBBP, ClinTox，带有受控的对称标签翻转，最高达 70%）上进行。
性能表现： MOLAR 在以下四类基准中一致优于代表性基准方法：监督图神经网络 (GCN, GAT, GIN)、分子预训练方法 (GraphCL, GROVE, Uni-Mol)、多模态融合方法 (Tri-SGD, MMSG, ProtoMol) 以及鲁棒/噪声标签学习方法 (OMG, SPORT, RTGNN)。
- 在 MF-PCBA-Noisy7 上，MOLAR 实现了最高的平均 ROC-AUC (71.30%)，在标签不一致性严重的任务上表现出显著增益。
- 在具有 30% 标签翻转的 MoleculeNet 上，MOLAR 保持了优于所有基准方法的性能 (平均 ROC-AUC 为 78.45%)。
- 鲁棒性分析显示，虽然基准方法的性能随着噪声水平的增加而迅速下降，但 MOLAR 保持了稳定的准确率，特别是在 BBBP 和 ClinTox 上。
消融研究： 移除冲突正则化、扰动一致性或任一模态（图/文本）都会导致性能下降，证实了联合设计的必要性。将学习到的通道替换为共享通道也会降低性能。
诊断功能：
- 可靠性： 后验可靠性 $\rho_i$ 与经验性的 SD–DR 一致性率表现出极强的 Spearman 相关性 (0.98)，在检测标签不一致性方面优于熵和冲突得分。
- 可视化： 对翻转样本的案例研究表明，尽管存在受损的记录标签，MOLAR 仍能正确预测纯净标签，并将决策归因于特定的分子子结构，而非记忆噪声。

意义
本文声称 MOLAR 为存在噪声监督的多模态分子表示学习提供了一种原则性的方法。通过显式地将纯净属性推理与噪声标签观测解耦，并以概率方式建模模态与标签之间的关系，该框架减轻了记忆受损数据的风险。推导后验可靠性和模态特定证据的能力提供了诊断能力，这对于在标签本质上具有不确定性的现实药物发现场景中解释模型行为至关重要。研究结果表明，将潜在属性与噪声观测分离是提高分子属性预测的泛化能力和鲁棒性的关键步骤。

解决方案：MOLAR

研究发现

核心启示

技术摘要：MOLAR —— 从噪声标签中学习多模态分子表示

类似论文