MolLedger

MolLedger：新的GNN提高了药物发现的可解释性

研究人员开发了MolLedger，这是一种新颖的图神经网络架构，旨在提高小分子药物发现中预测的可解释性。该模型提供内置的、每原子的归因，从而更清晰地理解分子特性如何影响ADME（吸收、分布、代谢和排泄）预测。MolLedger的加性框架在不牺牲性能的情况下实现了精确的可解释性，并且辅助损失函数将原子分数锚定到化学性质上，与现有方法相比，产生了更符合化学原理的解释。