CoTox：以思维链推理重构分子毒性预测的可解释性范式

CoTox: Chain-of-Thought-Based Molecular Toxicity Reasoning and Prediction

期刊: arxiv 链接: https://www.arxiv.org/abs/2508.03159 代码: https://github.com/dmis-lab/CoTox 简介: 该论文针对药物研发中毒性预测的挑战，提出了 CoTox 框架，其创新点在于整合大语言模型（LLMs）与思维链（CoT）推理，结合化学结构数据、生物通路和基因本体（GO）术语，实现可解释的多毒性预测。方法上，CoTox 采用 IUPAC 名称作为化学结构输入，通过结构化提示词引导 LLMs 进行分步推理，并融入筛选后的毒性相关生物信息。实验使用 UniTox 数据集，对比了传统机器学习、深度学习模型及不同提示策略的 LLMs，结果显示 CoTox 在多种器官特异性毒性预测上表现更优，其中基于 IUPAC 的 CoTox 平均 F1 分数达 0.663，优于 XGBoost（0.576）和 Chemprop（0.619）。该论文证明了 LLM-based 框架在提高毒性预测可解释性和支持早期药物安全评估方面的潜力。

药物毒性始终是制约药物研发进程的核心瓶颈，据统计，超过90%的候选药物因未被预见的毒性问题在临床开发阶段终止，即便成功上市的药物也可能因潜在毒性被迫撤回，这不仅造成巨额经济损失，更对患者安全构成严重威胁。传统的机器学习与深度学习模型在in silico毒性预测领域虽有应用，但过度依赖标注数据、缺乏可解释性的固有缺陷，使其难以捕捉由复杂生物学机制驱动的器官特异性毒性。在此背景下，韩国延世大学团队提出的CoTox框架，通过整合大语言模型（LLMs）与思维链（Chain-of-Thought, CoT）推理策略，为解决上述问题提供了创新性方案，其研究成果《CoTox: Chain-of-Thought-Based Molecular Toxicity Reasoning and Prediction》为药物毒性预测领域带来了突破性进展。

现有毒性预测方法的局限性与CoTox的创新定位

传统机器学习（如XGBoost）与深度学习模型（如基于图神经网络的Chemprop）在毒性预测中主要依赖分子结构特征的模式识别，但这类方法存在两大关键局限：一是对标注数据的强依赖性，在缺乏实验数据的新化合物上表现不佳；二是预测过程的“黑箱”特性，无法解释毒性与分子结构、生物通路之间的关联，难以支撑药物优化的机制性决策。

近年来，大语言模型（LLMs）凭借其上下文推理能力展现出毒性预测潜力，但现有研究仍存在明显短板：其一，输入形式多采用SMILES字符串，这类化学专用编码与自然语言差异较大，导致LLMs难以充分解析分子结构特征；其二，仅依赖结构信息进行预测，忽略了生物通路、基因功能等关键生物学背景，无法解释毒性的器官特异性机制；其三，缺乏明确的推理过程，预测结果的可信度与可追溯性不足。

CoTox框架的核心创新在于多维度信息融合与结构化推理机制的结合。它突破了单一结构信息的限制，将化学结构（以IUPAC命名表示）、生物通路与基因本体（GO）术语整合为推理基础，并通过思维链策略引导LLMs进行 step-by-step 推理，既提升了预测准确性，又实现了毒性机制的可解释性。

CoTox框架的技术架构与工作流程

该图分为两部分展示了 CoTox 的工作流程。（A）毒性提示构建部分：从 CTD 数据库中提取与化合物相关的通路和 GO 术语，经 GPT-4o 筛选出毒性相关信息，再结合通过 PubChem 获取的 IUPAC 名称，整合形成毒性提示。（B）LLM 推理过程部分：基于构建的毒性提示，通过结构化指令引导 LLM 进行推理，生成包含推理过程和预测结果（如心脏毒性、肝毒性等的 “有毒” 或 “无毒” 判断及最终答案列表）的输出，体现了框架整合生物数据与化学结构进行毒性预测的核心逻辑。

该图分为两部分展示了 CoTox 的工作流程。（A）毒性提示构建部分：从 CTD 数据库中提取与化合物相关的通路和 GO 术语，经 GPT-4o 筛选出毒性相关信息，再结合通过 PubChem 获取的 IUPAC 名称，整合形成毒性提示。（B）LLM 推理过程部分：基于构建的毒性提示，通过结构化指令引导 LLM 进行推理，生成包含推理过程和预测结果（如心脏毒性、肝毒性等的 “有毒” 或 “无毒” 判断及最终答案列表）的输出，体现了框架整合生物数据与化学结构进行毒性预测的核心逻辑。

毒性提示词构建：多源信息的精准整合

CoTox的提示词构建过程旨在为LLMs提供全面且相关的推理依据，主要包含三个关键步骤：

生物信息提取与筛选：研究团队从比较毒理基因组学数据库（CTD）中获取化合物关联的通路与GO术语，再通过GPT-4o进行语义过滤，仅保留与毒性相关的条目（如“EGFR信号通路”“心脏发育调控”等），确保输入生物学信息的针对性。这一步骤解决了公共数据库中信息冗余的问题，使模型聚焦于毒性机制相关的生物过程。

化学结构的自然语言转化：不同于传统的SMILES字符串，CoTox采用IUPAC命名作为分子结构的输入形式。通过PubChemPy工具调用PubChem数据库，获取化合物的标准化IUPAC名称（如“N-(5-磺酰基-1,3,4-恶二唑-2-基)乙酰胺”）。IUPAC命名以自然语言为基础，能够直观反映分子中的官能团、环系结构及取代基位置，更符合LLMs的语言理解范式，有助于模型解析结构与毒性的关联。

提示词整合：最终的提示词包含化合物的IUPAC名称、筛选后的毒性相关通路及GO术语，形成“化学-生物”双维度的推理基础，为后续的结构化推理提供完整信息支撑。

基于思维链的LLM推理：模拟毒理学家的分析逻辑

CoTox设计了严格的结构化推理流程，引导LLMs模拟毒理学家的分析思路，分为四个递进步骤：

第一步，解析通路与毒性机制的关联性。例如，当输入“cAMP信号通路”时，模型需推理其与心脏收缩功能的潜在关联，判断是否存在干扰心脏正常生理功能的可能。

第二步，解读GO术语的生物学意义。通过“肝脏再生”“脂质羟基化”等术语，推断化合物对特定器官功能的影响方向，如“脂质羟基化异常可能暗示肝脏代谢功能紊乱”。

第三步，基于IUPAC名称解析分子结构特征。识别与毒性相关的结构 motif，如“含氟芳香环可能引发氧化应激”“磺酰胺基团可能干扰酶活性”等。

第四步，综合上述分析，形成器官特异性毒性的完整推理链，并输出“有毒”或“无毒”的二元预测结果。所有推理过程与预测结果以标准化JSON格式呈现，确保结果的一致性与可追溯性。

这种结构化推理机制不仅提升了预测的可解释性，更使模型能够像研究人员一样“阐述”毒性机制，为药物优化提供明确的结构修饰方向。

实验验证与性能分析

数据集与实验设计

研究采用UniTox数据集进行性能评估，该数据集包含2418种FDA批准药物的毒性标注，涵盖心脏、血液、生殖、肝脏、肺、肾脏6类器官特异性毒性（排除了类别失衡的皮肤毒性与耳毒性），标注结果经FDA数据库与临床专家验证，具有较高可靠性。实验中，548种可从CTD数据库获取生物信息的化合物被用作测试集，其余用于基线模型训练。

基线模型包括传统机器学习方法XGBoost与深度学习模型Chemprop，LLM相关实验则对比了四种提示策略：零样本（仅输入分子结构）、少样本（加入4个示例）、思维链（CoT，引导分步推理）及CoTox（整合结构与生物信息的CoT），并测试了GPT-4o、Llama3.1、Gemini-2.5-Pro等多种LLMs的性能差异。评估指标采用F1分数，以平衡分类任务中的精确率与召回率。

核心实验结果与分析

提示策略对比：结果显示，仅依赖化学结构的零样本与少样本策略性能有限（平均F1为0.368-0.434），而引入思维链推理后性能有所提升（IUPAC-CoT的平均F1为0.417）。当进一步整合生物信息后，CoTox策略表现最优，其中基于IUPAC的CoTox平均F1达0.663，显著高于传统模型（XGBoost为0.576，Chemprop为0.619），证实了多源信息融合与结构化推理的协同优势。

该表比较了传统机器学习（XGBoost）、深度学习（Chemprop）及 GPT-4o 在不同提示策略下对六种毒性类型的预测性能。结果显示，仅使用化学结构的方法中，少样本提示优于零样本和 CoT 提示；加入生物过程信息的 BioProcess-CoT 性能提升；而结合化学与生物信息的 CoTox（IUPAC）平均 F1 分数最高（0.663），优于传统模型和其他提示策略，尤其在血液和肝毒性预测上表现突出，验证了多信息融合和 IUPAC 输入的有效性。

该表比较了传统机器学习（XGBoost）、深度学习（Chemprop）及 GPT-4o 在不同提示策略下对六种毒性类型的预测性能。结果显示，仅使用化学结构的方法中，少样本提示优于零样本和 CoT 提示；加入生物过程信息的 BioProcess-CoT 性能提升；而结合化学与生物信息的 CoTox（IUPAC）平均 F1 分数最高（0.663），优于传统模型和其他提示策略，尤其在血液和肝毒性预测上表现突出，验证了多信息融合和 IUPAC 输入的有效性。

模型适应性分析：在不同LLMs上的测试表明，Gemini-2.5-Pro表现最佳（平均F1=0.700），其次为Llama3.1-8B（0.685）与GPT-4o（0.663），而专门针对生物医学任务微调的TxGemma模型性能最差（平均F1=0.421），这可能与其对生物通路与GO术语的解析能力不足有关。值得注意的是，推理型LLMs（如o3、Qwen3-32B）在IUPAC输入下的性能较SMILES提升10%-15%，印证了自然语言化分子表征对推理能力的促进作用。

该表展示了多种 LLM（包括通用型、专家型和推理型）使用 CoTox 提示时的预测性能，以及 IUPAC 与 SMILES 输入的性能差距。结果显示，Gemini-2.5-Pro 整体表现最佳（平均 F1=0.700），Llama3.1-8B 次之；推理型 LLM 在 IUPAC 输入下性能提升显著（如 o3 提升 15.6%），而专家型 TxGemma 表现最差；多数模型使用 IUPAC 时性能更优，表明 IUPAC 更适配 LLM 的推理能力，而模型的推理能力对 CoTox 性能至关重要。

该表展示了多种 LLM（包括通用型、专家型和推理型）使用 CoTox 提示时的预测性能，以及 IUPAC 与 SMILES 输入的性能差距。结果显示，Gemini-2.5-Pro 整体表现最佳（平均 F1=0.700），Llama3.1-8B 次之；推理型 LLM 在 IUPAC 输入下性能提升显著（如 o3 提升 15.6%），而专家型 TxGemma 表现最差；多数模型使用 IUPAC 时性能更优，表明 IUPAC 更适配 LLM 的推理能力，而模型的推理能力对 CoTox 性能至关重要。

结构表征方式的影响：IUPAC命名在多数模型中表现优于SMILES，尤其在结构特征解析上优势显著。例如，对于Etodolac，IUPAC名称能明确提示“吲哚-吡喃稠环”与“羧酸基团”，支持模型推理其脂溶性与生物活化潜力，而SMILES仅能反映原子连接关系，难以直接关联毒性机制。这种差异源于IUPAC命名的语义丰富性与自然语言兼容性，使其更适合LLMs的分步推理过程。

器官特异性毒性预测：CoTox在血液毒性（F1=0.817）与肝脏毒性（F1=0.768）上表现突出，这与血液与肝脏相关的生物通路研究较为充分、GO术语注释更完善密切相关；而肺毒性与肾毒性的预测难度较高（F1<0.57），可能因这些器官的毒性机制更复杂，现有生物信息覆盖不足所致。

该图通过 Etodolac 和 Enalapril 两种化合物，对比了 SMILES 和 IUPAC 作为输入时的结构推理差异。对于 Etodolac，SMILES 仅模糊描述原子连接性，而 IUPAC 名称能明确体现 “吲哚 - 吡喃稠环”“羧酸基团” 等结构，支持更详细的脂溶性、生物活化潜力等推理；对于 Enalapril，IUPAC 名称可帮助识别 “苯丁酸酯”“二肽结构” 等，更准确关联潜在毒性通路，表明 IUPAC 的解释性和语言对齐性更适合 CoTox 的思维链毒性预测。

该图通过 Etodolac 和 Enalapril 两种化合物，对比了 SMILES 和 IUPAC 作为输入时的结构推理差异。对于 Etodolac，SMILES 仅模糊描述原子连接性，而 IUPAC 名称能明确体现 “吲哚 - 吡喃稠环”“羧酸基团” 等结构，支持更详细的脂溶性、生物活化潜力等推理；对于 Enalapril，IUPAC 名称可帮助识别 “苯丁酸酯”“二肽结构” 等，更准确关联潜在毒性通路，表明 IUPAC 的解释性和语言对齐性更适合 CoTox 的思维链毒性预测。

案例研究：CoTox的机制解析能力与临床价值

普萘洛尔的毒性推理验证

普萘洛尔（一种β受体阻滞剂）的案例中，CoTox准确预测其心脏毒性与肝脏毒性，并给出合理机制解释：心脏毒性方面，模型关联“内在凋亡通路”与“氧化应激”相关GO术语，结合IUPAC名称中的“丙醇胺侧链”，推理其通过阻断β肾上腺素受体引发心肌细胞凋亡，与已知药理机制一致；肝脏毒性方面，模型指出其“萘环结构”经CYP2E1代谢生成活性中间体，引发氧化应激与肝细胞损伤，这与文献报道的代谢途径完全吻合。对于肾毒性，模型因未发现相关通路与结构警示（如氨基糖苷类特征），正确预测为“无毒”，与临床认知一致。该案例验证了CoTox推理过程的科学性与可靠性。

该表展示了 Gemini-2.5-Pro 结合 CoTox 对普萘洛尔的毒性预测结果。模型对心脏毒性、血液毒性、肝毒性、肺毒性预测为 “有毒”，对不育和肾毒性预测为 “无毒”，且每个预测都有对应的推理过程，如心脏毒性涉及 “内在凋亡通路” 和 “丙醇胺侧链” 的作用，肝毒性与 “CYP2E1 代谢” 和 “萘环结构” 相关，肾毒性因缺乏相关通路和结构警示而预测为无毒，其推理与已知毒理机制和文献一致，验证了 CoTox 推理的可靠性。

该表展示了 Gemini-2.5-Pro 结合 CoTox 对普萘洛尔的毒性预测结果。模型对心脏毒性、血液毒性、肝毒性、肺毒性预测为 “有毒”，对不育和肾毒性预测为 “无毒”，且每个预测都有对应的推理过程，如心脏毒性涉及 “内在凋亡通路” 和 “丙醇胺侧链” 的作用，肝毒性与 “CYP2E1 代谢” 和 “萘环结构” 相关，肾毒性因缺乏相关通路和结构警示而预测为无毒，其推理与已知毒理机制和文献一致，验证了 CoTox 推理的可靠性。

恩替卡韦的潜在毒性发现

恩替卡韦（抗乙肝病毒药物）的案例更凸显了CoTox的临床价值。基于器官特异性细胞系的基因表达数据，CoTox预测其具有肾毒性，尽管这与FDA标签中的结论冲突，但近期临床研究显示，长期使用恩替卡韦的患者肾功能下降风险显著升高（HR=4.05，p<0.001）。这一结果表明，CoTox能够捕捉传统毒理评估中被忽略的潜在毒性信号，为早期药物安全评估提供补充视角，尤其对缺乏长期临床数据的新药具有重要预警价值。

该表呈现了 Gemini-2.5-Pro 结合 CoTox 对恩替卡韦在肝、肺、肾三个器官上的毒性预测结果。模型正确预测了肝毒性（基于 GO 术语和鸟苷类似物结构）和肺无毒（缺乏相关通路和结构特征），但误判肾毒性为 “有毒”。不过，近期临床研究显示恩替卡韦可能存在肾功能下降风险，表明 CoTox 可能捕捉到传统标签未涵盖的潜在毒性信号，体现了其在早期毒性风险评估中的实用价值。

该表呈现了 Gemini-2.5-Pro 结合 CoTox 对恩替卡韦在肝、肺、肾三个器官上的毒性预测结果。模型正确预测了肝毒性（基于 GO 术语和鸟苷类似物结构）和肺无毒（缺乏相关通路和结构特征），但误判肾毒性为 “有毒”。不过，近期临床研究显示恩替卡韦可能存在肾功能下降风险，表明 CoTox 可能捕捉到传统标签未涵盖的潜在毒性信号，体现了其在早期毒性风险评估中的实用价值。

结论与展望

CoTox框架通过整合化学结构（IUPAC命名）、生物通路与GO术语，结合思维链推理策略，实现了分子毒性的精准预测与机制解析，其性能全面超越传统模型，为药物研发的早期毒性评估提供了新工具。该框架的核心优势在于：一是采用自然语言化的分子表征（IUPAC），提升了LLMs对结构特征的解析能力；二是引入生物背景信息，使预测扎根于生物学机制；三是通过结构化推理实现可解释性，为药物优化提供方向。

未来研究可进一步拓展其应用边界，例如整合剂量-效应关系、多组学数据（如蛋白质组、代谢组）以提升预测的全面性，或针对毒性机制复杂的器官（如肺、肾脏）优化生物信息输入，降低预测误差。CoTox的开源代码与提示词模板为学术界与工业界提供了实用工具，有望推动LLMs在药物安全评估领域的规模化应用，加速安全高效药物的研发进程。