超越随机划分：在化学和生物学动机驱动的分布偏移下评估药物-靶标亲和力模型 复制

arXiv:2610.03456v1 公告类型：新 摘要：药物-靶标亲和力（DTA）预测广泛用于在高成本实验筛选前对候选化合物进行优先级排序。DTA 模型通常在单一数据划分下进行比较，尽管实际部署可能要求外推到新的化学系列、新的蛋白质靶标，或同时外推到二者。我们探讨：用于评估的分布偏移是否会改变哪种架构表现最佳。我们从 ChEMBL 和 BindingDB 数据集中整理出 718,800 个独特的药物-蛋白质对。我们将 Morgan-fingerprint + protein-CNN 基线与 12 种受控架构进行比较，这些架构结合了四种药物表示方式和三种 ESM-2 交互模式。在 scaffold 和 fingerprint-cluster OOD 设置下，验证集平均 RMSE 分别为 0.950 和 0.945；而在 protein-cluster 和 dual OOD 设置下，则升至 1.299 和 1.321。在两种化学分布偏移之间，模型排名较为相似（tau = 0.79）；但与 scaffold OOD 的一致性在 protein OOD 下下降（tau = 0.39），并在 dual OOD 下反转（tau = -0.55）。留出集评估、重复随机种子、组感知自助法分析以及规模匹配对照均支持同一结论：架构选择取决于外推的形式，而不仅仅取决于平均误差或训练集规模。因此，DTA 基准测试应与部署时预期的化学和靶标分布偏移相匹配。