基于ChEMBL数据系统评测图神经网络用于配体虚拟筛选

【摘要级】研究在覆盖5,368个靶点、159万条活性记录的ChEMBL数据集上系统评测多种图神经网络架构用于配体虚拟筛选。结果显示GIN在样本数超过100的数据集上表现最佳，平均ROC-AUC最高达0.94，而数据极度稀缺时更简单的架构更稳健；随机划分因结构重叠导致性能虚高，相似性感知聚类则暴露AUC下降超过0.3的泛化差距，多任务学习可缓解小靶点不稳定。