Moleküllerin özelliklerini tahmin etmek, ilaç geliştirmeden malzeme bilimine kadar birçok alanda kritik öneme sahip. Bilim insanları şimdiye kadar genellikle moleküllerin iki boyutlu (2D) parmak izi haritalarını kullanıyordu, ancak üç boyutlu (3D) yapıların ne zaman daha iyi sonuç verdiği tam olarak bilinmiyordu.
Yeni bir araştırma, bu soruya sistematik bir yanıt getirdi. 13 farklı model konfigürasyonu, 14 regresyon hedefi ve 2 sınıflandırma hedefi ile yaklaşık bin deney gerçekleştiren bilim insanları, 3D molekül yapılarının seçici bir şekilde avantaj sağladığını keşfetti.
Distribution Kernel Operators (DKO) adlı yöntemle analiz edilen 3D yapılar, özellikle çözünürlük bağımlı özellikler için kayda değer iyileştirmeler gösterdi. ESOL testinde %11 ve FreeSolv testinde %13.5 oranında hata azalması elde edildi. Ancak elektronik veya sterik görevlerde herhangi bir fayda görülmedi.
Araştırmacılar, bu seçici başarının fiziksel temelleri olduğunu üç farklı kanıtla destekledi. İyileştirme, rastgele bölünmüş veri setlerinden ziyade yapı temelli bölünmüş setlerde daha büyük oldu. Ayrıca büyük ve esnek moleküllerde en ağır çeyrek için %18.9 oranında daha fazla gelişme kaydedildi.
Bu bulgular, moleküler özellik tahmininde hangi durumlarda 3D bilginin değerli olduğunu anlamak için önemli bir rehber niteliği taşıyor ve gelecekteki araştırma stratejilerini şekillendirmeye yardımcı olacak.