English(EN) ToxLens: A Reproducible Graph-Learning Framework for Leakage-Aware, Uncertainty-Calibrated Molecular Toxicity Prediction

ToxLens框架通过泄漏感知学习增强分子毒性预测能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

研究人员开发了ToxLens，一个新颖的图学习框架，旨在提高分子毒性预测的准确性和可靠性。该框架通过实施泄漏感知数据拆分和不确定性校准，解决了传统基准测试中性能被夸大的问题。ToxLens集成了多个图和全局特征编码器，利用蒙特卡洛Dropout进行概率预测，并结合SHAP分析进行毒效团发现，最终目标是在优先进行实验测试的化合物方面提供更实用的价值。 AI

影响增强了AI驱动的化合物筛选的可靠性，有望加速药物发现和化学品安全评估。

排序理由该集群描述了一个新的研究框架及其在分子毒性预测任务上的性能，详细信息在arXiv论文中。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 25 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一个新的研究框架及其在分子毒性预测任务上的性能，详细信息在arXiv论文中。 [lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Magnus H. Str{\o}mme, Alex G. C. de S\'a, David B. Ascher · 2026-09-01 04:00

ToxLens：一种可复现的图学习框架，用于泄漏感知、不确定性校准的分子毒性预测

arXiv:2608.30472v1 Announce Type: new Abstract: Molecular toxicity prediction is increasingly used to prioritise compounds before experimental testing, but conventional benchmark performance can overstate practical utility when structurally related molecules occur across training…

本文如何被排名

报道来源 [1]

ToxLens：一种可复现的图学习框架，用于泄漏感知、不确定性校准的分子毒性预测

相关实体

相关话题