开发一种结合化学结构和近红外光谱数据的混合分子表示方法：以LogP预测为案例研究

《Journal of Chemical Information and Modeling》：Developing a Hybrid Molecular Representation Combining Chemical Structure and MIR Spectral Data: A LogP Prediction Case Study

提出一种融合化学结构与中红外光谱数据的101位分子指纹，通过每个二进制位对应特定官能团和红外吸收峰实现高效特征提取。在1278种化合物logP预测中，支持向量回归模型RMSE为1.443，虽低于传统指纹和商业工具，但具有明确的物理意义和计算优势，为光谱数据驱动的QSAR建模提供了新方法。

　　

本文提出了一种新型的混合分子指纹方法，该方法将化学结构与中红外（MIR）光谱数据整合到一个紧凑的101位二进制描述符中。每个位都反映了特定分子子结构的存在以及相应吸收带在定义的MIR区域内的位置。该方法在包含1278种化合物的数据集上进行了logP预测任务的评估。使用这种混合指纹的支持向量回归（SVR）模型的均方根误差（RMSE）为1.443。相比之下，传统的基于结构的指纹方法获得了更低的RMSE：Morgan方法（1024位）为1.056，MACCS方法（166位）为0.995，基于描述符的模型为0.802。商业和开源的logP预测工具的表现也更好，其RMSE分别为1.090（SLogP）、1.098（cLogP）、1.129（QPLogPo/w）和1.156（XLogP3）。尽管预测精度相对较低，但所提出的指纹方法提供了一种独特且计算效率高的方式，将实验光谱证据与化学信息学建模相结合。本研究证明了将MIR数据纳入QSAR工作流程的可行性，并为进一步开发基于光谱的分子表示方法奠定了基础。