MAPCliff-WMGR：利用加权分子图表示增强分子活性预测中的活动性“悬崖”现象研究

《Journal of Chemical Information and Modeling》：MAPCliff-WMGR: Exploring Activity Cliffs in Molecular Activity Prediction Enhanced by Weighted Molecular Graph Representations

分子活性悬崖预测方法MAPCliff-WMGR基于加权分子图和独立特征映射模块，通过频域特征转换解决结构相似活性差异大的问题，在MACE-R7基准测试中实现平均RMSE降低7.2%，并通过注意力机制可视化关键原子，验证了其在ERα小分子药物筛选中的有效性。

　　

在药物发现过程中，准确预测分子活性对于识别和优化具有理想生物特性的分子至关重要。该领域的一个重大挑战是“活性悬崖”现象，即结构相似的分子表现出显著的生物活性差异。本研究介绍了MAPCliff-WMGR这一计算框架，它利用加权分子图来预测存在“活性悬崖”情况下的分子活性。MAPCliff-WMGR的核心模块是，该模块结合了针对特定模型的调整措施，以更好地处理分子数据，从而使得模型能够在“活性悬崖”情境下有效预测分子活性。由于“活性悬崖”数据具有光谱偏差的特征，MAPCliff-WMGR通过引入独立特征映射（IFM）模块来解决这一问题，该模块利用正弦变换将特征映射到频率丰富的域中。实验结果表明，MAPCliff-WMGR对“活性悬崖”分子的预测平均均方根误差（RMSE）为0.677，比表现最佳的基线模型高出7.2%。此外，我们构建了MACE-R7基准测试平台，该平台包含多种反应类型和靶点，我们的方法在该平台上实现了整体预测准确率提升3.2%，对于“活性悬崖”分子而言提升幅度达到8.7%。此外，通过基于注意力的分析和降维可视化技术，进一步证明了该模型的可解释性，能够识别出导致“活性悬崖”的关键原子。最后，一项针对乳腺癌治疗中雌激素受体α（ERα）的小分子药物的案例研究证实了该模型在预测“活性悬崖”分子活性方面的准确性，验证了其在虚拟药物筛选中的潜力。