Michal Kmicikiewicz

MetaHeta框架改进药物发现中的生物活性预测

研究人员开发了MetaHeta，一个新颖的元学习框架，旨在改进药物发现早期阶段的生物活性预测。该框架专门解决了试验异质性带来的挑战，而这种异质性会阻碍标准元学习方法的有效性。MetaHeta通过条件化来自相关试验的辅助数据来预测，利用线性和精确注意力机制的组合来实现这一点。MetaHeta的有效性已在ChEMBL和BindingDB的数据集上得到证明，从而增强了少样本生物活性预测能力，并改善了化合物的优先级排序。