ACS JCIM (化学信息与建模)· Jeoungyun Kim, Ku Kang, Jin Yoo·· 2026-10-01精选AI 评分63
TAS2R-SelectNet 在骨架感知评测下基准测试 TAS2R 亚型选择性预测
Benchmarking TAS2R Subtype-Selectivity Prediction under Scaffold-Aware Evaluation: A Controlled Analysis of Receptor Representations
AI 导读
【摘要级】研究构建 TAS2R 亚型选择性模型 TAS2R-SelectNet，并以此作为受控测试平台检验评测方式与受体表征。作者发现随机划分会因骨架泄漏抬高 AUC，宽选择性亚型 TAS2R39 与 TAS2R14 分别虚高 0.210 和 0.188，预测 AUC 从最新颖测试化合物的约 0.64 升至存在近重复化合物时的约 0.95。
推荐理由
研究量化了随机划分造成的骨架泄漏，并比较不同受体表征在匹配维度下的表现，为靶点选择性预测的评测设计提供参照。
来源：ACS JCIM (化学信息与建模) · doi.org