Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Spectral Interpretability for Molecular Potentials Learning with Graph Neural Networks

Opis projektu

Grafowe sieci neuronowe z możliwością interpretacji spektralnej do modelowania potencjałów oddziaływań molekularnych

Grafowe sieci neuronowe (ang. graph neural networks, GNN) wykorzystywane do modelowania potencjałów oddziaływań międzycząsteczkowych są nieocenione przy opracowywaniu nowych leków i materiałów. Jednak modele te często są na tyle złożone, że utrudnia to określenie, które oddziaływania molekularne są najbardziej kluczowe. Z tego względu, korzystając ze wsparcia programu działań „Maria Skłodowska-Curie”, zespół projektu SIMPL dąży do poprawy interpretowalności i wiarygodności grafowych sieci neuronowych. W tym celu zaprojektuje sieci GNN połączone z teorią grafów spektralnych i topologią algebraiczną, aby usprawnić modele i móc określić najważniejsze oddziaływania. Ramy te zostaną następnie zastosowane do badania mechanizmów rozpoznawania immunologicznego, takich jak wiązanie peptydu z głównym układem zgodności tkankowej. W ten sposób wyniki uzyskane w projekcie mogą przyczynić się do zwiększenia efektywności prac nad immunoterapiami i szczepionkami.

Cel

The SIMPL project (Spectral Interpretability for Molecular Interaction PotentiaLs) is designed to enhance the interpretability and efficiency of Graph Neural Networks (GNNs) used to model Molecular Interaction Potentials (MIPs). GNNs have greatly advanced the prediction of molecular interactions, which is crucial for fields like drug discovery and material science. However, the complexity of these models often makes it challenging to identify which molecular interactions are most critical, limiting their practical application. SIMPL addresses this challenge by incorporating Spectral Graph Theory and Algebraic Topology into GNNs, allowing for clearer interpretation and streamlined models, focusing on the most relevant interactions without sacrificing accuracy. Compared to traditional gradient-based methods, which can be unstable and sensitive to specific molecular conformations, SIMPL offers a robust approach. Instead of a localized insights that could vary significantly depending on the particular state of the molecule or be subject to vanishing or exploding gradients problems (especially in complex models), SIMPL provides a global perspective by assessing the relevance of interactions across the entire learning task. This ensure that the identified interactions are consistently important and reliable. This approach in practice forces a multi-body expansion of the MIP leading to a comprehensive understanding of molecular systems.
While SIMPL has broad applications, it will be applied to the study of immune recognition processes, such as peptide-Major Histocompatibility Complex (MHC) binding. The framework’s ability to reliably identify critical molecular interactions could significantly enhance our understanding of these processes, leading to more informed approaches in immunotherapy and vaccine development.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2024-PF-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

FREIE UNIVERSITAET BERLIN
Wkład UE netto
€ 202 125,12
Koszt całkowity
Brak danych