摘要

计算方法在加速药物发现进程方面具有重要作用。药物发现通常包括靶点识别与验证、先导化合物发现以及先导化合物优化等多个阶段。在先导化合物优化阶段，需评估候选化合物的吸收、分布、代谢、排泄及毒性（ADMET）特性。针对先导化合物毒性与溶解度的预测问题，本文采用简化分子输入线性系统（Simplified Molecular Input Line Entry System, SMILES）表示分子结构。在处理SMILES数据的多种方法中，本文提出的方法基于序列建模策略，构建了一种双向长短期记忆网络（Bi-Directional Long Short Term Memory, BiLSTM），该模型是循环神经网络（Recurrent Neural Network, RNN）的一种变体，能够从正向和反向两个方向对分子序列进行处理，从而全面分析分子结构特征。本研究旨在捕捉SMILES字符串中编码的序列模式，并利用这些模式预测分子的毒性。在ClinTox数据集上，所提出的模型在ROC曲线下面积（AUC）达到0.96，优于此前的TrimNet和预训练图神经网络（Pre-training Graph Neural Networks, GNN）等方法。此外，在FreeSolv数据集上，该模型在溶解度预测任务中表现出色，均方根误差（RMSE）低至1.22，显著优于现有模型。