简读分享 | 庞超 编辑 | 赵晏浠
论文题目
Predicting In Vivo Compound Brain Penetration Using Multi-task Graph Neural Networks
论文摘要
评估化合物是否能穿透大脑对药物的发现至关重要。一般来说,需要临床前体内研究来测量脑内和血液浓度的比率(Kp)来估计一种新药的脑穿透能力。在这项工作中,作者开发了机器学习模型,从化学结构预测体内化合物脑穿透能力(如LogKp)。研究结果展示了在多任务图神经网络(MT-GNN)模型中包含体外实验数据作为辅助任务的可靠性。MT-GNN的表现优于仅在体内脑穿透数据上训练的单任务模型。表现最佳的MT-GNN回归模型在验证集上效果优于所有测试的单任务模型。
论文链接
https://pubs.acs.org/doi/full/10.1021/acs.jcim.2c00412