研究人员发表了一项研究，在预测药物分子跨人工膜渗透性的新颖多任务数据集上，比较了各种定量结构-性质关系（QSPR）方法。该数据集包含在六种不同模型膜上测试的143个分子。研究发现，对于这种特定的、样本量有限的渗透性预测任务，传统的物理化学描述符的性能优于深度学习模型，包括预训练的Transformer架构。 AI
影响 表明在数据有限的特定细分预测任务中，传统描述符可能比深度学习更有效。
排序理由 在arXiv上发表的学术论文，详细介绍了QSPR方法的比较研究。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.00508v1 Announce Type: new Abstract: We present a unique, multitask dataset comprising 143 drug and drug candidate molecules, each evaluated on in vitro, parallel artificial-membrane permeability assays (PAMPA) using six different model membranes. Using this resource, …
We present a unique, multitask dataset comprising 143 drug and drug candidate molecules, each evaluated on in vitro, parallel artificial-membrane permeability assays (PAMPA) using six different model membranes. Using this resource, we systematically assess the effectiveness of va…