基于图神经网络的羰基红外光谱预测新方法：融合邻近结构分析与化学可解释性

《Precision Chemistry》：Infrared Spectra Prediction for a Carbonyl Group Utilizing a Graph Network Approach

本综述系统介绍了NE-GNN（邻域增强图神经网络）在羰基红外光谱预测中的突破性应用。通过构建CIAC数据集（8072个单羰基与982个多羰基化合物），创新性地将原子邻域特征与图神经网络结合，实现了羰基特征峰厘米-1级精准预测（R2=0.931）。该模型在保持算法精度的同时，通过GNNExplainer和扰动敏感性分析（PSA）揭示了环张力、诱导效应等物理有机化学机制，为功能基团特异性光谱分析提供了兼具预测能力与化学可解释性的新范式。

　　

方法

研究团队构建了包含9054个羰基化合物的CIAC数据集，重点聚焦1590-1850 cm^-1特征峰区间。通过PyTorch Geometric将分子转化为图结构，创新性引入carbonyl_mask属性标记羰基碳原子及其二键半径内原子。节点特征涵盖原子序数、杂化类型、电负性等9项基本属性与7项环境特征，边特征包含键类型、共轭状态等5类参数。

NE-GNN架构采用四层GINE（图同构网络）卷积层，通过128维嵌入空间进行消息传递。独特之处在于同步利用羰基碳原子与其相邻原子的特征向量，既捕捉局部化学环境又保留分子全局拓扑信息。训练过程中采用90%-5%-5%的数据分割策略，通过Adam优化器与学习率衰减技术提升模型稳定性。

结果与讨论

模型性能评估显示，GINE架构在测试集上达到R²=0.931，显著优于随机森林（R²=0.908）等传统方法。特别在环状羰基化合物预测中表现出色：六元环羰基预测误差仅0.38 cm^-1，五元环误差0.269 cm^-1，印证模型对环张力效应的精准捕获。消融实验证实边特征对性能至关重要，移除边特征后GAT模型性能下降最显著。

节点选择策略研究发现，单节点（羰基碳）预测优于双节点策略，但需要更高维度特征空间（256维）补偿信息损失。潜在空间可视化通过t-SNE技术揭示不同羰基亚型形成特征簇，酰卤与酰胺类化合物分布距离较远，酯类居中分布，反映模型对细微结构差异的区分能力。

模型鲁棒性测试表明，在添加0.25强度高斯噪声时仍保持R²=0.860，仅使用30%训练数据即可达到R²=0.857。通过Murcko骨架分割进行OOD（分布外）验证，模型在未见分子骨架上保持R²=0.902。在NIST外部数据集测试中，尽管气相光谱与训练集 condensed-phase 数据存在差异，仍取得R²=0.846的预测精度。

应用拓展

在多羰基与重氮化合物预测中，NE-GNN对含双羰基与重氮基分子表现出卓越泛化能力。典型案例显示，模型对第一个羰基峰预测误差小于1.5 cm^-1，对带电邻位基团影响的捕捉明显优于传统方法。这表明学习到的分子表示具有跨功能基团的迁移能力。

可解释性分析

通过GNNExplainer与PSA联合分析发现，电负性与原子序数是跨羰基亚型的最稳定重要特征。环相关特征在环状羰基中重要性显著，如酮类化合物中"邻位环原子"特征重要性得分达0.8以上。具体分子案例解析揭示：在羧酸分子中，邻位双键通过共轭效应表现出抑制特征峰作用；在螺环酮分子中，原子序数、邻位电负性等五个特征均呈现促进峰位蓝移效应，与氧原子诱导效应及环张力的化学原理高度吻合。

结论

NE-GNN通过邻域增强特征编码策略，实现了羰基红外光谱的精准预测与化学机制解读。模型对环张力、诱导效应等物理有机化学原理的捕捉能力，为功能基团特异性光谱分析建立了新范式。未来通过引入氢键作用与三维构象约束，有望进一步拓展其在复杂分子体系中的应用边界。