Tox21
PulseAugur coverage of Tox21 — every cluster mentioning Tox21 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
ToxLens框架通过泄漏感知学习增强分子毒性预测能力
研究人员开发了ToxLens，一个新颖的图学习框架，旨在提高分子毒性预测的准确性和可靠性。该框架通过实施泄漏感知数据拆分和不确定性校准，解决了传统基准测试中性能被夸大的问题。ToxLens集成了多个图和全局特征编码器，利用蒙特卡洛Dropout进行概率预测，并结合SHAP分析进行毒效团发现，最终目标是在优先进行实验测试的化合物方面提供更实用的价值。
-
图工具将小型语言模型分子预测准确率提升高达74%
一篇新的arXiv论文介绍了一种上下文增强提示框架，旨在增强小型语言模型（SLMs）的分子属性预测能力。该框架使SLMs能够利用外部工具，特别是图神经网络（GNN）专家模型，来接收预测提示并提取带有解释的相关子图。在MUTAG和Tox21数据集上的实验表明，准确性得到了显著提高，当图派生上下文被纳入提示时，相对增益通常超过25%，在Tox21上最高可达74%。尽管取得了这些进展，研究指出与专用GNN模型相比，性能差距依然存在，这表明文…
-
药物基因组学数据通过GNNs提升药物-药物相互作用预测能力
研究人员开发了一种方法，通过整合药物基因组学数据，利用图神经网络（GNNs）来增强药物-药物相互作用（DDI）的预测。该方法将分子结构信息与药物代谢途径（特别是细胞色素P450酶）的详细信息相结合。研究发现，这种知识图谱增强显著提高了DDI分类的准确性，尤其是在CYP2C9介导的相互作用方面，但未能克服预测全新药物相互作用的固有局限性。
-
研究发现小型人工智能模型在药物发现预测中表现优于大型模型
一篇新论文挑战了在药物发现中大型人工智能模型总是更优越的假设。研究人员发现，在分子性质和活性预测任务上，经典的机器学习模型和图神经网络的性能常常优于更大、更通用的模型。虽然大型模型可能在零样本推理等领域提供优势，但其预测优势并非普遍适用，并且在很大程度上取决于特定的任务匹配度。