利用自然语言处理从数据库描述预测化合物化学角色

一种基于 Doc2Vec 分析数据库化合物描述文本的方法，可预测化合物是否具有 10 种化学角色，在多个角色上的 F1 分数高于化学描述符预测。研究将 Doc2Vec 的 tag 部分设为化合物子结构，获得子结构对应的嵌入并求和以表示整个化合物，从而把结构信息与注释信息结合。借助 Shapley additive explanations，研究还可视化了可能影响各角色预测的子结构，其解释与既往研究结论一致。作者认为，这类融合结构与注释的嵌入可作为化合物化学角色分类的有效描述符。