ACS JCIM (化学信息与建模)· Youssef M. Hassan, Hala El-Tantawi, Ibrahim Rabie Ali, Mohamed S. Attia·2026-10-06 08:00· 2026-10-06精选AI 评分72

研究系统检验图注意力网络对药物性肝损伤预测的可解释性

Validating and Correcting Graph Neural Network Attention for Drug-Induced Liver Injury Prediction

AI 导读

【摘要级】研究在1,079个化合物的骨架划分DILI数据集上检验图注意力网络的注意力权重，发现其整体并未集中于7类文献来源的肝毒性结构警示，合并富集比为0.35。在严格重复划分评估下，该网络也未超过简单描述符基线，平均AUROC为0.625-0.649，随机森林为0.714（p=0.011）。

推荐理由

研究用系统评测检验GNN注意力是否对齐肝毒性结构警示，并给出可复用的改进与数据。