CliffRank

CliffRank框架改进了活性-崖值排序预测

研究人员开发了CliffRank，一个新颖的双分支框架，旨在改进化学化合物活性-崖值排序的预测。该方法结合了绝对活性回归和排序一致性学习，利用阈值列表损失和成对偏好一致性（PPC）来更好地利用可用的活性数据。在抗菌肽和小分子数据集上进行测试时，CliffRank表现强劲，实现了高Spearman相关性和有竞争力的Recall@50分数，尽管最佳配置因数据集和模型骨干的不同而异。