DGL-Lifesci：ライフサイエンスのグラフで深い学習のためのオープンソースツールキット

グラフニューラルネットワーク（GNNS）は、グラフデータの深い学習方法のクラスを構成します。彼らは、分子特性の予測、反応予測、薬物標的相互作用予測など、化学と生物学に幅広い用途を持っています。関心にもかかわらず、GNNベースのモデリングは、プログラミングと深い学習に加えて、グラフデータの前処理とモデリングを必要とするため、困難です。ここでは、ライフサイエンスのグラフで深い学習のためのオープンソースパッケージであるディープグラフライブラリ（DGL）-Lifesciを提示します。Deep Graph Library（DGL）-Lifesciは、Rdkit、Pytorch、およびDeep Graphライブラリ（DGL）に基づくPythonツールキットです。DGL-Lifesciにより、分子特性予測、反応予測、および分子生成のカスタムデータセットのGNNベースのモデリングが可能になります。コマンドラインインターフェイスを使用すると、ユーザーはプログラミングやディープラーニングのバックグラウンドなしでモデリングを実行できます。標準のベンチマークMoleCulenet、USPTO、および亜鉛を使用して、コマンドラインインターフェイスをテストします。以前の実装と比較して、DGL-Lifesciは最大6×速度上昇します。柔軟性をモデル化するために、DGL-Lifesciは、モデリングパイプラインのさまざまな段階に対してよく最適化されたモジュールを提供します。さらに、DGL-Lifesciは、テスト実験結果を再現し、トレーニングなしでモデルを適用するための前提条件のモデルを提供します。コードはApache-2.0ライセンスの下で配布され、https：//github.com/awslabs/dgl-lifesciで自由にアクセスできます。

Graph neural networks (GNNs) constitute a class of deep learning methods for graph data. They have wide applications in chemistry and biology, such as molecular property prediction, reaction prediction, and drug-target interaction prediction. Despite the interest, GNN-based modeling is challenging as it requires graph data preprocessing and modeling in addition to programming and deep learning. Here, we present Deep Graph Library (DGL)-LifeSci, an open-source package for deep learning on graphs in life science. Deep Graph Library (DGL)-LifeSci is a python toolkit based on RDKit, PyTorch, and Deep Graph Library (DGL). DGL-LifeSci allows GNN-based modeling on custom datasets for molecular property prediction, reaction prediction, and molecule generation. With its command-line interfaces, users can perform modeling without any background in programming and deep learning. We test the command-line interfaces using standard benchmarks MoleculeNet, USPTO, and ZINC. Compared with previous implementations, DGL-LifeSci achieves a speed up by up to 6×. For modeling flexibility, DGL-LifeSci provides well-optimized modules for various stages of the modeling pipeline. In addition, DGL-LifeSci provides pretrained models for reproducing the test experiment results and applying models without training. The code is distributed under an Apache-2.0 License and is freely accessible at https://github.com/awslabs/dgl-lifesci.