计算与 AI 药物发现 chemRxiv

基于匹配分子对图的成对学习预测可提升环肽膜透过性的修饰

  • CycPeptMMP预测匹配分子对图中两个肽之间的透过性差异,而非单个肽的绝对值,从而规避不同文献间的测量差异。
  • 针对环肽基于四类常见修饰构建该图,涵盖来自七个文献来源的数千个肽;用五种GNN骨架和多次随机划分比较成对模式与单肽模式。
  • 评估为基于整理数据的回顾性验证:成对模式在较小数据来源和单一修饰的类似物上优势最大,而在较大数据来源上单肽模式更好。
  • 采用删失损失处理被截断的测量值,对此类肽对,成对模式的排序更准确。
要点 基于摘要的观点

预测两个相近类似物之间的差值,正是药物化学家做决策的思路,也能抵消不同论文间的实验体系差异,而这正是绝对值渗透性模型的软肋。不过随机划分会让近似类似物同时出现在训练集和测试集,结果可能偏乐观。建议改用骨架划分或按文献来源留出,再做前瞻性验证。