用于化学扰动预测的深度学习模型尚未利用药物分子特征

近期用于 L1000 化学扰动预测的深度学习模型引入了专门的药物分子编码器。我们在将药物输入置零或随机打乱的条件下，从头重新训练了其中七种模型，并将其与一个仅使用细胞系基础表达的多层感知机进行了比较。在冷启动药物评估条件下，消融几乎未引起性能变化，而无药物基线模型的表现与所有模型相当。当前的模型架构尚未利用药物分子特征来实现对未见化合物的泛化。

感谢您有兴趣帮助传播 bioRxiv。

注意：要求提供您的电子邮箱地址仅仅是为了将您识别为本文的发送者。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.13.724458v1?rss=1

🏷️ 化学扰动预测 深度学习 药物分子特征 L1000数据 模型消融 冷启动评估