使用预训练图神经网络预测P-糖蛋白底物状态：一项TDC基准研究

P-糖蛋白（Pgp/ABCB1）是一种关键的外排转运蛋白，对药物生物利用度和多药耐药性具有显著影响。准确预测化合物是否为 Pgp 底物，对于药物早期发现阶段至关重要。 在本研究中，我们基于 Therapeutics Data Commons（TDC）中的 Pgp_Broccatelli 基准数据集，评估了一种采用属性掩蔽预训练的图同构网络（GIN）。我们的方法对一个 GIN 编码器进行微调；该编码器此前已在约 200 万个分子上通过自监督属性掩蔽策略完成预训练，随后接入一个多层感知机（MLP）分类头。 在 TDC 基准测试上，我们的模型在五次独立运行中取得了 0.937 +/- 0.004 的 AUROC，截至 2026 年 5 月位列排行榜第二。我们进一步将该方法与使用 Morgan 指纹的 XGBoost 基线模型进行了比较（AUROC 为 0.912 +/- 0.007），结果表明，在小数据集 ADMET 预测任务中，结合迁移学习的基于图的分子表示具有优势。

使用预训练图神经网络预测 P-糖蛋白底物状态：一项 TDC 基准研究 | bioRxiv

跳转至主要内容

首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 新结果

使用预训练图神经网络预测 P-糖蛋白底物状态：一项 TDC 基准研究

查看 ORCID 个人主页 Jingjing Yan ， Weicong Duan

doi： https://doi.org/10.64898/2026.06.01.729343

Jingjing Yan 1 QuantisMol LLC； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY-NC-ND 4.0 国际许可协议 发布。

查看讨论串。

返回顶部

上一项 下一项

发布于 2026 年 6 月 4 日。

下载 PDF 数据/代码 电子邮件

您的电子邮件 *

您的姓名 *

发送至 *

请输入多个地址，每行一个，或以逗号分隔。

您将通过电子邮件发送以下内容

使用预训练图神经网络预测 P-糖蛋白底物状态：一项 TDC 基准研究

邮件主题

（您的姓名）已从 bioRxiv 转发一个页面给您

邮件正文

（您的姓名）认为您会想查看 bioRxiv 网站上的此页面。

您的个人留言

验证码

此问题用于测试您是否为人类访客，并防止自动垃圾信息提交。

分享

使用预训练图神经网络预测 P-糖蛋白底物状态：一项 TDC 基准研究

Jingjing Yan ， Weicong Duan

bioRxiv 2026.06.01.729343； doi： https://doi.org/10.64898/2026.06.01.729343

分享本文： 复制

引文工具

使用预训练图神经网络预测 P-糖蛋白底物状态：一项 TDC 基准研究

Jingjing Yan ， Weicong Duan

bioRxiv 2026.06.01.729343； doi： https://doi.org/10.64898/2026.06.01.729343

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.01.729343v1?rss=1

🏷️ 图神经网络 P-糖蛋白底物预测 ADMET 迁移学习 分子表示学习 TDC基准