一个模型即可从SMILES或序列预测多肽药代动力学与毒性
- 可输入SMILES或氨基酸序列，涵盖天然、修饰、环肽及类肽化合物；预测膜通透性(Caco-2、PAMPA)、半衰期、清除率、分布容积、神经毒性和溶血性。
- 使用公共数据库和文献整理的数据训练，并比较了多种编码方式及从传统机器学习到Transformer和语言模型的多类模型。
- 增加了结合肽预期活性评估其适用性的功能感知评分。在独立测试集上报告了良好的准确性和可解释性(回顾性评估，摘要未提及实验验证)。
💡 要点 基于摘要的观点
多肽ADME数据量小、噪声大，且各实验方案不一，所以一个模型同时覆盖Caco-2、PAMPA、半衰期和清除率，必须先审视数据划分：对近似序列随机划分会抬高分数。应先确认测试集是否按序列或骨架聚类划分，并在自己的环肽或修饰肽系列上检验它是否优于简单基线，再决定是否信任这些数值。
📄 原论文 · PLOS Computational Biology (PLOS) ↗ Pepti-DrugPhAI: Multimodal AI-evaluator for functional pharmacokinetics and toxicity of peptides