基于独特多任务 PAMPA 数据集的 QSPR 方法比较研究
机器学习
2026-05-04 v1
摘要
我们提供了一个独特的多任务数据集，包含 143 种药物和药物候选分子，每个分子均在六种不同模型膜上进行了体外、平行人工膜渗透性测定（PAMPA）。借助这一资源，我们系统评估了各种分子描述子和回归模型在预测被动膜渗透性方面的有效性。所研究的模型范围从简单线性回归到现代预训练变换器架构。我们特别关注预测性能与模型可解释性之间的权衡，突出了机器学习方法引入的挑战。据我们所知，这是迄今为止最全面的对多器官特异性 PAMPA 膜进行联合建模的研究，为膜特异性渗透性轮廓提供了新见解。我们发现，针对有限样本量的渗透性研究，专家设计的物理化学性质描述子比基于深度学习的表示更合适。
引用
@article{arxiv.2605.00508,
title = {A Comparative Study of QSPR Methods on a Unique Multitask PAMPA dataset},
author = {Andrs Formanek and Anna Vincze and Richrd Bicsak and Yves Moreau and Gyorgy T. Balogh and Adam Arany},
journal= {arXiv preprint arXiv:2605.00508},
year = {2026}
}