摘要
高斯过程（Gaussian Process, GP）是一种贝叶斯模型，在机器学习的回归任务中具有诸多优势，例如能够可靠地量化不确定性，并提升模型的可解释性。然而，其广泛应用受到两个主要因素的限制：计算成本过高，以及难以适应序列数据（如氨基酸序列和核苷酸序列）和图结构数据（如表示小分子的图）的分析。在本研究中，我们提出了一种高效且可扩展的高斯过程建模方法，并开发了计算复杂度与图或序列规模呈线性关系的快速卷积核。我们通过构建一个名为xGPR的开源Python库实现了上述改进。我们在20个基准任务上将xGPR的性能与多种深度学习模型的报告结果进行了对比，涵盖小分子、蛋白质序列及表格数据等多种类型。结果表明，xGPR在保持高度竞争力的同时，训练时间显著缩短。此外，我们还为序列和图数据设计了新型核函数，并验证了在预测蛋白质和小分子关键性质方面，xGPR通常优于卷积神经网络（CNN）等典型深度学习模型。尤为重要的是，xGPR能够提供传统深度学习模型无法获得的不确定性估计信息。同时，xGPR还生成输入数据的低维表示，可用于聚类分析和数据可视化。这些结果表明，xGPR是一种强大且通用的工具，在蛋白质工程和药物发现等领域具有广泛的应用潜力。