PKU-NRL2021

网络表示学习大作业2021

本次作业可以单人完成，也可以两人组队。

一、任务说明

简介

本次大作业要求对输入的分子网络进行性质预测，包括图分类任务以及图回归任务：

• ESOL：分子水溶性预测（单目标，回归）
• Lipop：分子脂溶性预测（单目标，回归）
• sars：药物分子对新冠病毒受体人类纤维蛋白受体的结合性/毒性（多目标，四分类）

具体数据集

数据集位于data/csvs下，每个任务提供了三个对应的csv文件，包括：

• xxx-train.csv：提供了一部分分子的SMILES表达式和对应的性质；
• xxx-test.csv：提供了另一部分的SMILES，但没有提供对应的性质，预测这部分分子的性质是留给大家的作业；
• xxx-eval.csv：包含xxx-test.csv中所有分子的SMILES和对应的性质，仅助教可见。

本次作业提供了数据集的读取和预处理代码，详见data/load_data.py。

从SMILES提取atom features和bond features的函数来自开源项目AttentiveFP

二、作答方式

本次大作业的要求如下：

1. 设计并训练分子性质预测模型

设计分子网络的表示学习模型。

分子性质预测的综述文章：MoleculeNet

部分参考模型见related_work

设计好模型后，自行划分数据集xxx-train.csv为训练集/验证集/测试集，并进行训练和测试，然后整理结果。

本次作业提供了一个极其naive的模型ThisIsNotAGNNAtAll（见model/GNN.py），以及在ESOL-train.csv上训练和输出ESOL-test.csv答案的脚本，大家可以参考。

2. 预测分子的对应性质并输出答案

使用训练好的模型，为xxx-test.csv中的分子预测性质并输出答案到answer目录下，保存为xxx-pred.csv。注意：

• 纵行与xxx-test.csv保持一致，如果分子数不一致或者错位，会导致评分脚本无法得出正确结果；
• 横行与xxx-train.csv保持一致，如果目标数不一致或者错位，会导致评分脚本无法得出正确结果；
• 由于ESOL和Lipop输出的性质都是单个浮点数，切忌在输出答案时搞混。
• 由于sars数据集存在空缺（显示为nan），在训练和测试时需要将空缺部分mask掉，具体mask方式可以参考评分脚本。不过输出的sars-pred.csv不要带有空缺。
  • 该四分类问题中四种标签分别为0“无药效”/1“轻微药效”/2“中度药效”/3“强药效”，nan表示药效未知，切勿将其当成一类标签。

该部分的性质预测结果只会作为评分标准的一部分，思考和实践的过程更为重要。

上面提到的“评分脚本”为script_check_answer.py

3. 撰写报告

PDF，3-10页，包括：

1. 问题分析，例如：对分子网络的理解 or 分子网络相比于传统网络（如社交网络等）的特殊性，等等
2. 设计的模型
3. 在xxx-train.csv上的训练方式和训练结果
4. 分工情况（如果两人组队）
5. 关于这堂课的感想与收获（可选）

三、作业提交

打包为姓名_学号.zip（rar/tar.gz也行），包括：

• PKU-NRL2021：文件夹，包含整个项目（这里保留整个文件夹就行，不用套娃打包）
• 姓名_学号.pdf：大作业报告

发送到swyang@pku.edu.cn，标题为“姓名_学号_NRL2021”

截止时间：2022/01/05 23:59