Nat. Mach. Intell. | ActFound：成对元学习用于生物活性预测

文章预览

DRUG AI 今天为大家介绍的是来自北京大学张铭团队的一篇论文。化合物的生物活性在药物开发和发现中起着重要作用。现有的机器学习方法由于每个实验中的化合物数量较少且实验之间的测量不兼容，在生物活性预测方面表现出较差的泛化能力。本文中，作者提出了ActFound，一种基于ChEMBL数据库中160万实验测得的生物活性数据和35,644个实验训练的生物活性基础模型。ActFound的核心理念是使用成对学习来学习同一实验中两个化合物之间的相对生物活性差异，从而绕过实验之间的不兼容性。ActFound还利用元学习来共同优化所有实验的模型。在六个真实世界的生物活性数据集上，ActFound展示了精确的域内预测能力，并在不同的实验类型和分子骨架上表现出很强的泛化能力。作者还证明了ActFound可以作为领先的基于物理计算工具FEP+(OPLS4)的精确替代方案，只需 ………………………………