用于分子表示学习的预训练分子嵌入模型基准评测
Benchmarking Pretrained Molecular Embedding Models For Molecular Representation Learning
精选理由
系统比较28种分子嵌入模型，揭示其多数不及ECFP，并为QSAR/QSPR研究提供实用评估建议。
AI 摘要
arXiv:2508.06199v5 公告类型：替换 摘要：涵盖图神经网络、文本 Transformer 和混合架构的预训练分子嵌入模型已广泛应用于药物发现，但此前尚未对其表示进行大规模、严格的比较。我们在受控框架下，使用分层贝叶斯 Bradley-Terry 统计检验，在 25 个分类数据集上评估了 28 个模型。除 CheMeleon 外，所有神经网络模型均未能超越经典的 ECFP 计数指纹；CheMeleon 是唯一被评定为更优的模型。然而，基于骨架交叉验证和贝叶斯分层相关 t 检验，在外部验证数据集上开展的进一步测试表明，两种嵌入方法均未表现出明确优势。作为实践建议，我们推荐在新的 QSAR/QSPR 研究中同时评估 ECFP 指纹和 CheMeleon 嵌入。总体而言，就所评估的全部神经网络而言，这些结果也对分子表示学习领域被认为已取得的进展提出了质疑，并凸显了该领域建立严格评估标准的必要性。