分子表面表示用于脑血分布比回归
美国普渡大学（Purdue University）团队在 Molecular Pharmaceutics 报告一种分子表示方法：分子表面流形嵌入（Manifold Embedding of Molecular Surface，MEMS）将量子信息用于编码分子，再以深度学习预测血脑屏障（BBB）相关的脑血分布比对数 logBB。研究使用 B3DB 血脑屏障数据集。
作者报告平均均方根误差为 0.49 ± 0.06，平均绝对误差为 0.38 ± 0.05，决定系数 R² 为 0.55。误差指标描述预测值与数据值的差距，R² 描述模型对数据变化的拟合程度；这些结果对应连续数值预测。
数据组别与立体化学信息影响模型表现
作者指出，模型表现受数据量与质量影响，不同 B3DB 数据组之间存在明显波动，logBB 数值的分布也不均衡。
研究还关注手性与立体化学。作者认为这些特征对通透性有重要影响，但现有数据中的立体化学资料有限，限制了模型学习相关差异。作者建议今后整理质量更高、立体化学更充分的测量，并处理数据分布不平衡。