机构名称：
¥ 1.0
图神经网络能够解决某些药物发现任务，例如分子特性预测和从头分子生成。然而，这些模型被认为是“黑盒子”和“难以调试”。本研究旨在通过将集成梯度可解释人工智能 (XAI) 方法应用于图神经网络模型来提高合理分子设计的建模透明度。模型经过训练可以预测血浆蛋白结合、心脏钾通道抑制、被动通透性和细胞色素 P450 抑制。所提出的方法突出显示了与已知药效团基序一致的分子特征和结构元素，正确识别了特性悬崖，并提供了对非特异性配体-靶标相互作用的见解。开发的 XAI 方法是完全开源的，可供医生使用在其他临床相关终点上训练新模型。
用可解释的人工智能为分子着色——...
主要关键词
相关文件推荐
