量子属性预训练的 BBB 分类与人工膜测试
用 QM9 量子属性预训练分子表示，再预测 B3DB 通透标签，通过随机/骨架划分和 18 种新实测化合物评价。
用途与模型
- 研究用途
- 早期小分子 BBB 通透分类、分子表示与化学结构泛化比较。
- 模型与细胞来源
- B3DB 标签 7,807 种分子、阳性 4,956/阴性 2,851；QM9 为 133,885 种小分子，扩展 QM9 为 153,716 种；外部 18 种化合物来自 Emory 生物活性库并排除训练重叠。
- 方法版本
- 2025 年原研究版本
- 实验形式
- 量子属性回归编码器隐藏层 256/128/64，预训练后固定隐藏层并加入 256/128/1 分类头；与支持向量机、深度神经网络、分子图消息传递网络比较。
材料与平台
- 分子输入与预训练
- 基础 4 描述符为分子量、LogP、拓扑极性表面积和氢键供体数；另比较 208 个 RDKit 描述符、2,048 位 Morgan 指纹半径 2、Mol2vec 及分子图表示。QM9 预训练 80%/20% 划分；量子目标分别训练，包括偶极矩和极化率。
- BBB 训练与划分
- 随机 75%/25% 训练/测试，训练少数类随机过采样至 1:1；骨架划分按 Bemis–Murcko 核心结构，去除 2 个无效结构后 5,853 训练/1,952 测试。迁移分类用 Adam、学习率 0.0001、批量 32、800 轮，每 250 轮调整学习率。
- 实测测试标签
- 18 种排除训练重叠化合物用 PAMPA-BBB PMBBB096 试剂盒测被动扩散；通透系数大于 4×10⁻⁶ cm/s 为阳性，小于 1.5×10⁻⁶ cm/s 为阴性，1.5×10⁻⁶ 至 4×10⁻⁶ cm/s 为中等通透性（BBB+/−）。
测量指标与分析
- B3DB 标签准确率/F1/曲线下面积
- 18 种化合物 PAMPA 分类准确率
- 随机与骨架划分差异
- 去除分子量/LogP 后的特征比较
对每个分子表示与量子预训练目标分别评价数据库测试集，再用独立整理的 18 种实测人工膜标签测试。骨架划分将相同核心结构的分子分配到同一训练集或测试集中。
研究设计与结果
药物集评价
- 研究设计
- 比较随机 75/25 与 Bemis–Murcko 骨架划分，在 B3DB 和 18 种 PAMPA 化合物上分别评价。
- 测试范围
- B3DB 随机 7,807 分子；骨架去除 2 项后 5,853/1,952；人工膜集合 18 种化合物。
- 参照体系
- 量子迁移模型、支持向量机、深度网络、分子图模型；随机与骨架划分。
- 研究结果
- 随机 B3DB 中描述符+指纹支持向量机准确率 89.08%。18 种人工膜集合中，扩展 QM9 偶极矩随机划分 100%、骨架划分 72.22%；极化率分别 94.44% 和 72.22%。
适用条件与研究局限
- 18 种实测集合较小；B3DB 标签来自不同既有研究条件。
- PAMPA 测被动扩散，没有细胞主动外排和多细胞屏障环境。
- 进一步细胞/体内及疾病屏障验证是作者提出的后续研究。
来源与原文
- Leveraging quantum chemical properties in transfer learning for predicting blood-brain barrier permeability of drugs原始研究 · Drug Delivery and Translational Research · 2025-10-29