LearnM8:可对接任意评分方式的模块化主动学习框架,用于超大化合物库筛选
- 预印本(未经同行评审)。这是一个开源Python工具包,把评分“oracle”设计为可替换的函数,分子对接、自由能计算、已有评分或实验数据都能驱动同一套主动学习流程。
- 内置大量代理模型、采集策略和分子特征化方法,并支持自定义循环计划、剪枝和多样性追踪。
- 在AmpC和D4等最大超过一亿化合物的库上,基于已有分子对接评分做回顾性测试:只需评估一小部分化合物,就能找回大多数高分分子,明显优于随机选择。
- 批次越小回收越好但成本更高;剪枝可减少计算量,回收率略有下降。文中未包含前瞻性验证。
💡 要点 基于摘要的观点
在已有的对接评分上做回顾性回收,主要说明代理模型学得会对接函数,并不说明命中物真是结合剂,而且AmpC和D4本来就是大家熟悉、表现规整的基准。对团队真正有意义的是带噪声的oracle:用自己的实验或FEP数据跑一遍,配上随机选择对照,并检查回收分子的骨架多样性。
LearnM8: A Simple and Modular Molecular Active Learning Framework for any Oracle ↗