Frequent Hitter Prediction Beyond Classification Models
本研究表明，对经验贝叶斯校正后的命中率进行直接回归以及采用多标签聚合策略，在预测高通量筛选中的频繁命中者方面优于传统的基于特定阈值的二元分类，提供了一种更具鲁棒性且与截断值无关的方法，从而提升了早期富集效果和全局排序能力。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
在药物研发的早期阶段，科学家们会进行被称为高通量筛选的大规模实验。想象一下这样一个实验室：机器人正在测试成千上万种微小的化学分子，看它们是否能与某种致病蛋白结合，或者干扰某种有害的细胞过程。其目标是寻找那些罕见的“命中化合物”（hits）——即那些展现出作为未来药物潜力的分子。然而，这个过程充满了噪声。许多分子会产生假警报。有些分子会因聚集在一起而阻碍测试，有些会与设备发生化学反应，还有些则仅仅是干扰了机器读取结果的方式。这些捣蛋分子被称为“频繁命中者”（frequent hitters）。它们在数十个甚至数百个不同的测试中都表现为“活跃”，并不是因为它们是强效药物，而是因为它们具有化学噪声。如果研究人员无法将这些噪声化合物与真正的候选药物区分开来，就会在死胡同里浪费时间和金钱。挑战在于建立一个能够尽早识别这些频繁命中者的系统，在昂贵的实验开始之前，从噪声中分辨出信号。
多年来，处理这一问题的标准方法是划定一条硬性的界限。科学家会计算一个分子在所有测试中出现的频率，然后设定一个固定的阈值。如果一个分子的命中率高于这条线，它就会被标记为“频繁命中者”并被丢弃；如果低于该线，则会被保留。这种方法虽然简单，但有一个显著的缺陷：它将决策视为一个简单的“是”或“否”，从而丢弃了关于那些处于界限边缘分子的宝贵信息。一个仅略高于阈值的分子会被视为与那些严重违规者完全一样的问题分子，而一个仅略低于阈值的分子则会被视为完全安全，即便它已经非常接近成为问题的边缘。此外，如果实验室决定改变规则，想要变得更严格或更宽松，他们必须从头开始构建一套全新的计算机模型。这种僵化性限制了科学家优先筛选最有希望的领先化合物的能力。
来自瑞士联邦理工学院和诺华生物医学研究中心的一组研究人员决定重新思考这一过程。他们不再强迫每个分子进入二进制的盒子，而是询问是否可以预测一个连续的分数，以反映一个分子成为频繁命中者的真实可能性。他们开发了一种新方法，利用先进的计算机模型——即被称为图神经网络（graph neural networks）的分子形状观察模型。他们不是训练这些模型去说“是”或“否”，而是训练它们去预测一个具体的数值：一个考虑了分子实际经历测试次数后的修正命中率。这种方法使用一种称为经验贝叶斯（empirical Bayes）的统计技术来平滑噪声，使模型能够看到风险的全谱。它可以区分出一个分子是明显的干扰项、明显的成功项，还是处于中间状态、需要进一步观察的对象。
研究人员使用两组大规模数据集，将这种新方法与传统方法进行了对比测试。一组数据来自包含一千多种不同生物学测试的公共数据库，另一组来自诺华自身的私人筛选结果库。他们根据测试是在试管中进行的（生化实验）还是在活细胞内进行的（细胞实验）对数据进行了分组，确保计算机模型是在从未见过的化学结构上进行测试。他们将这些连续预测模型与依赖固定阈值的传统模型进行了比较。结果显示，新方法更具优越性。连续模型能更好地正确排列分子的顺序，尤其是在研究人员需要极其严格地过滤掉最差的违规者时。它们能在列表的早期阶段识别出最具问题的化合物，这对于节省实验室时间至关重要。
或许最重要的一点是，新方法证明了其极高的灵活性。由于模型预测的是一个连续分数而非固定标签，科学家可以随时调整决策规则，而无需重新训练计算机。如果一个项目需要极高的安全性，他们只需提高判定为问题的阈值；如果需要扩大搜索范围，他们可以降低阈值。研究发现，这种灵活性结合更高的准确性，使得连续方法成为一种更实用的药物研发工具。研究人员还探索了第二种策略，即模型针对每个特定的测试分别预测结果，然后将这些预测组合成一个单一的分数。这种方法同样表现出色，提供了一种理解分子为何产生问题的不同视角。
研究结果表明，筛选的未来在于从僵化的、非黑即白的分类转向对风险更细致入微的理解。通过将频繁命中视为一个光谱而非一个类别，这些新模型提供了一种更清晰、更可靠的方式来确定哪些分子值得进一步研究。这并不意味着旧方法毫无用处，但它确实表明旧方法效率较低。连续模型作为一个强大的基准，能够处理化学数据中混乱的现实情况，同时不会丢弃那些往往至关重要的细微差别。随着药物研发继续依赖海量数据，拥有一个能够适应变化需求并为每个分子提供详细风险概况的系统，对于寻找下一代救命药物将至关重要。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。