KANEL: Kolmogorov-Arnold网络集成学习实现高通量虚拟筛选中的早期命中富集
化学物理
2026-03-30 v1 机器学习
定量方法
机器学习
摘要
化学生物活性的机器学习模型越来越多地用于在虚拟筛选库中优先排序少量化合物以供实验后续跟进。在这些应用中，通过计算前N个命中物的阳性预测值（PPV@N）来评估模型准确性的早期命中富集方法比传统的全局指标（如AUC）更合适且更具可操作性。我们提出了KANEL，一个集成工作流，将可解释的Kolmogorov-Arnold网络（KANs）与XGBoost、随机森林和多层次感知器模型相结合，这些模型在互补的分子表示（LillyMol描述符、RDKit衍生描述符和Morgan指纹）上训练。
引用
@article{arxiv.2603.25755,
title = {KANEL: Kolmogorov-Arnold Network Ensemble Learning Enables Early Hit Enrichment in High-Throughput Virtual Screening},
author = {Pavel Koptev and Nikita Krainov and Konstantin Malkov and Alexander Tropsha},
journal= {arXiv preprint arXiv:2603.25755},
year = {2026}
}
备注
8 Pages