机器学习预测CYP450诱导与PXR激活的基准评测

研究团队用覆盖CYP3A4、CYP2B6、CYP1A2三种酶诱导及PXR激活的工业规模数据集，在六种分子表示下基准评测四种机器学习模型，并与基于公开数据训练的模型比较。结果显示，内部数据上最佳模型区分诱导剂与非诱导剂仅达中等水平（MCC 0.35–0.46），且无法预测诱导幅度；几乎没有任何模型或表示显著优于其他方案，研究据此认为限制因素在数据而非方法。 公开数据呈相同规律：大型公开PXR数据集能达到该区间，而规模小、异质性高的公开CYP3A4数据集则失败。研究称，这些模型可用于在适用域内对化合物进行优先级排序。 上述结论来自该研究的基准评测，模型区分能力有限、无法预测诱导幅度均为其报告的结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。