10 类毒性任务对应不同终点与数据
不同药物安全性预测任务采用的终点各不相同。天津大学（Tianjin University）等中国团队在 Advanced Science 的综述中，把药物诱导毒性分为 10 类，讨论化学结构、生物学数据与机器学习（machine learning，ML）如何用于不同问题。
综述还汇总 55 个数据库和 12 项工具，展示可用资源的范围。不同模型使用的药物集合、毒性标签和评价基准存在差异。
分子指纹与分子图主要表示化学结构；分子描述符还可以表示理化性质。细胞代谢物、基因表达及其他组学读数则提供生物反应信息。不同输入所支持的判断，需要与具体毒性终点相配。
算法复杂度也受数据量制约。作者指出，深度学习（deep learning，DL）往往需要较大训练集，在样本较少的毒性任务中，表现可能不及传统模型。选择算法仍需结合具体数据量及验证表现。
肝毒性标签，还要问清什么条件下没有损伤
肝脏既参与药物代谢，也可能受到原药或代谢物损伤。综述讨论的药物性肝损伤（drug-induced liver injury，DILI）预测，常把药物分为有肝毒性与无肝毒性，但这个二分标签并不容易建立。
剂量、用药频率、使用人数和患者易感性都可能影响是否观察到肝损伤。把病例报告或文献中的结论整理成标签时，阴性究竟表示未发现风险，还是在特定暴露条件下没有损伤，会影响模型的含义。
化学结构可以支持较早期的筛选，生物学输入则可能补充机制线索。综述举例，以 HepG2 人肝癌细胞的非靶向代谢物分析结合分类模型，区分与氧化应激、线粒体损伤、凋亡等有关的反应。
线粒体毒性、胆盐外排抑制等体外数据也可作为输入。此类生物学检测有助于描述药物损伤机制，临床预测仍需考虑暴露和人群差异。
心脏电活动与结构损伤，需要分别建模
心脏毒性至少包括电生理异常和结构损伤 2 类问题。前者涉及离子通道、复极和心律失常，后者可表现为射血分数下降、心肌病或心力衰竭，所用标签和功能读数并不相同。
用于预测 hERG（human ether-à-go-go-related gene）钾通道阻断的模型，主要针对电生理问题的一部分。综述还讨论多离子通道模拟和结构损伤预测，所用终点及模型需要分别判断。
一个被引案例把人源体外心脏类器官、转录组与机器学习结合，提出 52 个潜在结构损伤标志物。它展示了组织模型与计算分析如何互补，这些潜在标志物用于人体临床检测仍需进一步验证。
另一类解释方法会计算哪些结构或生物特征对分类贡献较大。贡献排序能帮助形成待检验假说，特征与损伤的因果关系还需功能研究检验。
565 个药物的肾毒例子，算法排名随评价方式改变
综述介绍的一项肾毒性研究，使用 287 个有肾毒性与 278 个无肾毒性药物，共 565 个药物。研究比较深度学习和其他机器学习模型，比较对象包括多种算法。
其中，深度神经网络（deep neural network，DNN）在 5 折交叉验证中表现较好，极端随机树（extremely randomized trees，Extra Trees）在测试数据上的表现更好。2 个结论对应不同评价安排，需要分别报告各自的算法表现。
肾毒性标签还可来自病理结果、血尿指标或临床记录。它们描述的损伤层次不同，人工病理标注的数量也有限；若忽略标签来源，仅比较模型分数，可能失去实际药物评价的对象。
这个例子说明，读模型结果时需要同时知道药物数量、标签定义、输入表示和测试方式。综述的价值是展示这些差异，并没有重新核算每项被引模型在同一数据集上的性能。
扩充数据和解释模型，仍需可核对的比较条件
作者把样本不足、数据质量不一与多源整合困难列为主要限制。共享数据可以扩大范围，但不同来源的格式、稀疏程度和标签含义仍需要清理与标准化，合并后仍需核对各条记录的实验和标签条件。
数据增强、预训练与合成数据是可探索的应对办法，可补充模型训练使用的信息。生成的样本与实际新增的独立生物实验需要分别统计，适用范围则仍由验证数据确定。
综述建议建立整理过的共同基准，并公开代码、超参数和预处理过程，使跨模型比较更容易复核。这些建议旨在改善方法报告和结果再现性。
可解释性同样需要评价标准。时间序列、多模态和稀疏组学数据可能需要不同解释方法，目前也缺少公认的量化标准。对药物研发而言，预测性能、解释是否符合生物学，以及能否推广到新条件，应当分别给出证据。