Arkaprava Roy

新的加性深度学习框架分离化学和结构数据以进行溶解度预测

研究人员开发了一种新颖的加性深度学习框架，旨在更好地预测药物发现中的水溶性。该框架将由多层感知机处理的理化描述符与由图神经网络处理的分子图拓扑分离开来。仅在预测阶段结合这两个信息源，该模型可以更清晰地理解溶解度预测是由全局化学还是分子结构驱动的。该框架在预训练于较大的AqSolDB数据集并在较小的BigSolDB2数据集上进行微调时，表现出更高的准确性和更低的变异性，表明其具有强大的特征学习能力。