Key points are not available for this paper at this time.
الملخص: يتم استخدام التعلم الآلي القابل للتفسير بشكل متزايد في اكتشاف الأدوية للمساعدة في توضيح توقعات خصائص المركبات. تعتبر تقنيات نسب المميزات خيارات شائعة لتحديد البنى الفرعية الجزيئية المسؤولة عن تغير الخصائص المتوقع. ومع ذلك، أظهرت الطرق المعتمدة لتوزيع الميزات الجزيئية حتى الآن أداءً منخفضًا بالنسبة لخوارزميات التعلم العميق الشائعة مثل شبكات الأعصاب البيانية (GNNs)، خاصةً عند مقارنتها ببدائل النمذجة الأبسط مثل الغابات العشوائية المقرونة بتغطية الذرات. للتخفيف من هذه المشكلة، تم اقتراح تعديل هدف الانحدار لشبكات الأعصاب البيانية ليأخذ في الاعتبار بشكل خاص البنى الأساسية المشتركة بين أزواج الجزيئات. تُظهر الطريقة المقدمة دقة أعلى في معيار التفسير المقترح مؤخرًا. تمتلك هذه المنهجية الإمكانية للمساعدة في تفسير النموذج في خطوط اكتشاف الأدوية، خاصةً في جهود تحسين الرؤوس حيث يتم استكشاف سلاسل كيميائية محددة.
قام أamara وآخرون (الثلاثاء) بدراسة هذا السؤال.