面向粗产物直接生物测试的模型,在ROS1系列上突破了训练集的活性与选择性前沿
- 感知实验结构的模型把单点筛选、粗产物剂量反应中的活性比值以及纯化合物活性视为相互关联的阶段,并在同一网络中联合训练。
- 回顾性测试中,联合模型优于各自独立的网络,在粗产物实验的选择性排序上提升最大。
- 前瞻性一轮中,模型挑选数十个以ROS1为目标、同时回避反靶点TRKB的化合物;合成测试后,部分化合物超过了训练集中最佳的活性与选择性组合。
💡 要点 基于摘要的观点
真正有分量的是前瞻性这一轮:确实有化合物超过了训练集的最佳折中。但这数十个化合物的命中率,与单任务模型或化学家凭经验挑选相比如何,仍有待看到。放到自家化学空间里,实际要验证的是粗产物读数与纯化合物活性的吻合程度。
D2ML: Models for Direct-to-Biology Small Molecule Screening ↗