[JCMI | 论文简读] 利用多任务图神经网络预测体内化合物的血脑屏障穿透性

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