Kimia 发表 D2ML:让「未纯化」化合物筛选数据直接用于机器学习
anshulkundaje · x · 2026-11-16
Kimia Tx 首篇论文 D2ML(已获 AI4DD workshop 接收,arXiv:2610.41070)针对 direct-to-biology(D2B)筛选:新合成分子不经纯化直接测活,浓度不确定、纯化化合物测量少,导致机器学习难以利用这类数据。
论文要点:
- 针对 D2B 数据结构定制模型:从单点筛选预测活性、从粗品剂量响应预测跨靶点相对效力、从纯化化合物预测绝对效力
- 同孔测试的靶点间效力比值可在浓度不确定时保留选择性信息
- 跨阶段共享信息的联合模型优于独立网络;粗品剂量响应选择性预测的秩相关从 0.27 提升到 0.40
- 独立训练的模型指导选出 84 个新化合物以提升 ROS1 效力并限制对反靶 TRKB 的活性,实验扩展了实测 Pareto 前沿
「研究」频道最新
- AI/ML 流体力学课程第二期开课:60 小时直播,学费 500 美元 — ricardovinuesa · 2026-11-16
- 千个 agent 手写 5000 版纯 Python 规则聊天机器人,胜过 3.6 亿参数 LLM — LoubnaBenAllal1 · 2026-11-16
- 研究员断言「为顶会刷论文」已死,转向 GitHub 公开产出 — DimitrisPapail · 2026-11-16
- DeepMind 研究员谈 AI 时代科研路径:降低做酷工作的摩擦 — DimitrisPapail · 2026-11-16
- Google AI Co-Scientist 进展亮相 MLCB 2026,Brenner 主持直播 — anshulkundaje · 2026-11-16
- 预训练蒸馏加一点输入噪声反而更优,新论文实测增益显著 — DimitrisPapail · 2026-11-16