ACS JCIM (化学信息与建模)· Markus Orsi, Anton Thieme, Matteo Gätzner, Nicolò Milani, Joe Napoli, Michael Reutlinger, Kenichi Umehara, Johannes Kirchmair, Andrea Andrews-Morger, Jamie Clifton·· 10 天前精选AI 评分58
研究基准测试机器学习预测CYP450诱导与PXR激活
Predicting CYP450 Induction and PXR Activation with Machine Learning Approaches: Challenges and Opportunities
AI 导读
【摘要级】研究利用覆盖CYP3A4、CYP2B6、CYP1A2诱导及PXR激活的工业规模数据集，在六种分子表示上基准测试四种机器学习模型，并与公共数据集训练的模型比较。内部数据上最佳模型区分诱导剂与非诱导剂仅达中等水平（MCC 0.35–0.46），且无法预测诱导幅度，各模型与表示间差异多不显著，提示限制因素在数据而非方法。
推荐理由
研究用工业规模数据系统比较CYP450诱导与PXR激活预测，指出数据而非方法是当前瓶颈。
来源：ACS JCIM (化学信息与建模) · doi.org