MLP-GNN

新AI框架分离化学和结构因素以预测溶解度

研究人员开发了一个新的加性深度学习框架，旨在更好地预测水溶性，这是药物发现中的一个关键属性。该框架将理化描述符和分子图信息分离到不同的分支中，从而更清晰地理解哪些因素影响溶解度预测。通过在更大的数据集（AqSolDB）上预训练，并在较小的数据集（BigSolDB2）上进行微调，该模型展示了更高的准确性和泛化能力。该框架的可解释性允许分别分析化学和结构贡献，其中化学分支与已知描述符一致，而结构分支识别拓扑和官能团模式。