Mendelevium

homepage

Contact

Copyright © 2025 Xufan Gao | Academic Research Blog
Contents

Home > Machine Learning & AI > Workflow & Agent > “MolAgent：智能体时代下的自动化分子性质预测系统”

“MolAgent：智能体时代下的自动化分子性质预测系统”
Machine Learning & AI 2025-11-09 - -
agentic-ai molecular-property-estimation llm model-context-protocol qsar machine-learning drug-discovery

MolAgent：智能体时代下的自动化分子性质预测系统

本文信息

  • 标题: MolAgent：Biomolecular Property Estimation in the Agentic Era
  • 作者: Jose Carlos Gómez-Tamayo, Joris Tavernier, Roy Aerts, Natalia Dyubankova, Dries Van Rompaey, 等
  • 发表时间: 2025年10月16日
  • 单位: Johnson & Johnson（比利时、新泽西州）、Open Analytics、比利时安特卫普大学、美国
  • 引用格式: Gómez-Tamayo, J. C., Tavernier, J., Aerts, R., Dyubankova, N., Van Rompaey, D., Menon, S., Steijaert, M., Wegner, J. K., Ceulemans, H., Tresadern, G., De Winter, H., & Ahmad, M. (2025). MolAgent: Biomolecular property estimation in the agentic era. Journal of Chemical Information and Modeling, 65(10), 10808–10818. https://doi.org/10.1021/acs.jcim.5c01938

参考资源：

  • GitHub仓库：https://github.com/openanalytics/MolAgent
  • Therapeutics Data Commons：https://tdcommons.ai/
  • Model Context Protocol文档：https://docs.anthropic.com/en/docs/agents-and-tools/mcp
  • FLAME框架（对比参考）：https://github.com/Open-Source-Systems-Lab/flame_public

摘要

Agentic AI系统的出现正在推动科学与技术领域的深刻变革。大语言模型（LLM）、推理能力与外部工具集成的进步，催生了一个全新时代——AI智能体能够自主执行传统上由人类完成的计算任务。计算机辅助药物设计（CADD）作为一个包含复杂、相互依赖任务的多面过程，从这些进步中获益最大。然而，关键挑战在于构建与人类专家开发的模型相当的分子性质估计模型。MolAgent正是为了解决这一瓶颈而设计的——一个系统无关的agentic AI框架，专注于端到端自动化分子性质建模，支持2D/3D结构、传统描述符与深度学习特征的融合，并完全遵循Model Context Protocol（MCP）以实现与多样化agentic基础设施的无缝互操作。

核心结论

  • Agentic AI转变：从被动的单步完成模型演进到具备自主多步规划、环境适应性与多工具协调能力的智能体架构
  • MCP标准化集成：MolAgent完全遵循Anthropic的Model Context Protocol，使其能够灵活接入各类agentic AI框架，包括Smolagents和其他LLM系统
  • 自动化模型构建能力：框架实现完全自动化的特征工程、模型选择、超参数优化与验证，无需人工专家干预
  • 多模态特征融合：整合RDKit描述符、Morgan指纹、深度学习嵌入（BottleneckTransformer）与基于3D结构的特征（AffinityGraph、ProLIF），在ADMET基准上达到与人类微调模型相当的性能
  • 实证验证：在TDC基准的23项ADMET任务上，MolAgent在“廉价”计算预算下展现出竞争力表现；在脂溶性（logP）预测中R²达0.89，在binding affinity建模中R²达0.72

背景

大背景：Agentic AI的蓬勃发展

2024-2025年标志着人工智能的范式转变。LLM不再是被动的查询-响应工具，而是演变为具备动态推理、持久内存与函数调用能力的智能体。Gartner报告预测，到本十年末，数字智能体将独立管理高达80%的常规服务任务。

这一转变对科学计算意义重大。最近的工作（van Weesep等，2025）展示了模块化LLM智能体系统如何协调化学信息学工具、进行文献驱动推理，并动态选择分子模拟、性质预测与假设生成模块——所有这些无需人工微观管理。

药物发现中的关键瓶颈

早期药物研发面临复杂、资源密集的挑战：

  • 多学科整合困难：传统管道依赖分区化专业知识（结构化学、药物化学、ADMET预测）
  • 数据碎片化：实验数据、文献、公开数据库之间缺乏无缝协调
  • 人工主导的高成本：模型开发、特征工程、超参数优化严重依赖专家人工操作，周期长、成本高
  • 可复现性困难：QSAR模型性能波动大，往往因特征选择、模型架构选择的武断性而难以再现

当前的技术瓶颈

尽管LLM在化学领域展现出潜力（ChemLLM在分子命名、分子生成等任务上超越GPT-3.5/GPT-4），agentic系统在分子性质建模中仍缺乏高保真工具：

  • 现有QSAR框架（FLAME、AutoML解决方案）往往面向通用ML应用，不能充分利用分子数据的特殊结构
  • 模型质量与自动化程度的权衡：自动化程度越高，通常意味着性能下降
  • MCP标准缺失：现有工具与agentic基础设施的互操作性不足，难以在复杂multi-agent工作流中无缝使用

MolAgent正是为了弥合这一鸿沟而设计的。

关键科学问题

1. 能否实现“专家级”的自动化QSAR建模？

问题核心：自动化系统是否能在无人工干预的前提下，构建与人类专家微调模型相当或更优的性质预测模型？

这不仅涉及算法的先进性，更涉及对分子数据特殊性的深入理解——例如，化学系列内的相似性、活性悬崖等。

2. 如何在多种特征表示间实现高效的融合与选择？

传统QSAR依赖手工选择的描述符集；深度学习方法提供自动学习但缺乏解释性。如何统一这两类信息？

3. 3D结构信息能否显著提升binding affinity预测？

Structure-based descriptors（如蛋白质-配体相互作用）在虚拟筛选中被广泛使用，但如何系统地整合到端到端自动模型中？

4. Agentic系统中的模型自主选择机制如何工作？

LLM何时、如何决定采用“廉价”vs “昂贵”的计算配置？自主决策的质量如何保证？

创新点

  • 系统级创新：首个完全MCP-ready的分子性质建模框架，设计为agentic AI系统的一流公民
  • 特征工程自动化：集成五类特征生成器（RDKit、Morgan指纹、BottleneckTransformer、AffinityGraph、ProLIF），并实现自适应特征选择，无需专家指导
  • 嵌套交叉验证框架：采用leave-group-out策略，确保模型验证反映真实的新化学序列泛化能力，而非仅在相似化合物上的性能
  • 3D感知的binding affinity建模：利用图神经网络（GRAPHGPS架构）整合原子与残基级别编码、蛋白质-配体相互作用指纹，在ABL1激酶案例中展示显著改进（R²从0.60提升至0.72）

研究内容

核心架构：端到端的agentic工作流

graph TB
    User["用户询问<br/>（自然语言）"] --> Manager["经理智能体<br/>（任务分解与协调）"]
    Manager --> DataAgent["数据检索智能体<br/>（TDC/CSV/SDF处理）"]
    Manager --> ModelAgent["模型训练智能体<br/>（MolAgent核心）"]
    DataAgent --> DataPrep["数据预处理<br/>（SMILES验证、聚类）"]
    ModelAgent --> FeatureGen["特征生成<br/>（多模态融合）"]
    FeatureGen --> Clustering["分子聚类<br/>（Murcko/Butina）"]
    Clustering --> DataSplit["数据分割<br/>（leave-group-out）"]
    DataSplit --> ModelSearch["模型搜索<br/>（嵌套交叉验证）"]
    ModelSearch --> Ensemble["集成与堆叠<br/>（多策略组合）"]
    Ensemble --> Validation["综合验证<br/>（混合策略）"]
    Validation --> Output["结果输出<br/>（指标、可视化、JSON）"]
    Output --> User

MolAgent核心组件

1. MCP层（Model Context Protocol集成）

MCP是Anthropic定义的标准化智能体-工具通信协议。MolAgent实现Python包装器，使得LLM能够通过简单的JSON RPC调用触发模型训练：

LLM → automol_classification_model(data, target, features=“bottleneck", budget=“cheap")

这一设计确保了框架与任意MCP兼容的agentic基础设施的互操作性——无论是Claude API、Anthropic的agents还是第三方系统（如Hugging Face的Smolagents）。

2. 特征生成（Feature Generation）

MolAgent支持五大类特征，形成一个渐进式丰富的特征生成管道：

第一层：传统描述符（RDKITGenerator）

  • 物化学性质：分子量、logP、TPSA、HBA/HBD
  • 拓扑描述符：连接性指数（Chi0-Chi4v/n）、Kier形状指数
  • 电子性质：部分电荷、Electrotopological State指数
  • 官能团计数（75+个）：醛基频率、酯基频率等

第二层：指纹（ECFPGenerator）

  • Morgan/ECFP指纹（可调半径与位长）
  • MACCS keys（166维）
  • Topological torsion指纹
  • Atom pair指纹

优势：快速、可解释、基于化学结构的物理意义

第三层：深度学习嵌入（BottleneckTransformer）

加载在ChEMBL上预训练的transformer模型，通过自注意机制学习原子间的上下文关系，从“瓶颈层”提取512维的密集嵌入。

我没查到这个东西？

优势：无需再训练，捕捉全局分子特征，通常性能优于传统描述符

第四、五层：3D结构特征

AffinityGraph：基于GRAPHGPS架构，采用消息传递神经网络与全局自注意，处理：

  • 原子级编码：配体原子特征的图表示
  • 残基级编码：蛋白质残基信息的聚合
  • 相互作用编码：配体原子与蛋白质残基间的Prolif相互作用（氢键、π-stacking、疏水作用等）
  • 位置编码：基于随机游走与指数衰减注意（GradFormer思想）

在PDBbind与BindingNet上预训练，自动捕捉3D识别关键。

ProLIF交互指纹：

  • 氢键（供体/受体）、π-stacking、π-cation、离子相互作用、van der Waals接触
  • 提供药效团层面的解释性，有助于虚拟筛选

3. 数据聚类与分割（Clustering & Data Splitting）

关键洞察：分子数据中的相似性偏差会导致过度乐观的验证结果。MolAgent实现三种聚类策略：

策略 原理 使用场景
Murcko Scaffold 按Bemis-Murcko支架分组 药物化学项目，注重支架多样性
Butina 基于指纹的层次聚类 通用分子池，保留拓扑相似性
K-Means++ 在嵌入空间中聚类 深度学习特征，自适应聚类数

leave-group-out验证：整个聚类作为一个单元从训练集中移除，评估模型对新化学序列的真实泛化能力。

4. 嵌套交叉验证（Nested Cross-Validation）

外层循环（k折）：

  • 将数据分为k个fold，每个fold依次作为验证集
  • 最终性能报告为k个fold的未偏差估计

内层循环（k折，在每个外层训练fold内）：

  • 进行超参数搜索与模型选择
  • 防止选择偏差（避免在验证集上过度优化）

三种超参数搜索策略：

  • GridSearch：穷举预定义的参数网格，适合小参数空间
  • RandomizedSearch：随机采样，计算效率高，100次迭代
  • HyperoptSearch（Bayesian优化）：使用Tree-structured Parzen Estimator (TPE)，高效定位高维参数空间中的有前景区域

5. 模型集成（Model Stacking & Ensembling）

MolAgent实现六层级的集成策略，从简到复：

  1. Inner Methods：基础模型输出简单平均（回归）或投票（分类）
  2. Inner Stacking：多个stacking模型（每个外fold一个），输出再次聚合
  3. Single Stack：单个meta-model在整个外折优化
  4. Top Method：独立训练基础模型，单个meta-model学习组合权重
  5. Top Stacking：基础模型在内fold训练，meta-model使用交叉验证输出
  6. Stacking on Stacking（仅分类）：层级堆叠，形成meta-meta-model

示例：假设基础模型为[SVR, LightGBM, LogisticRegression]，meta-model为LightGBM，则最终预测为： \(\hat{y} = \text{LightGBM}([SVR(\mathbf{X}), LightGBM(\mathbf{X}), LogReg(\mathbf{X})])\)

6. 验证程序（Validation Procedures）

分层验证：确保训练集与验证集中活性类别的比例一致（对不平衡数据集至关重要）

混合验证：同时应用：

  • 活性悬崖识别（Activity cliff）
  • 基于group的分割
  • 分层采样

创造多维度的挑战，更接近真实部署情景。

计算预算与模型配置

MolAgent通过三个预设计算预算级别来适应不同场景，每个级别对应不同的特征选择、超参优化策略和模型复杂度：

回归任务（Regression）

配置项 Cheap
（快速执行）		 Moderate
（平衡速度与精度）		 Expensive
（最高精度）
特征层级 RDKit + Morgan
（第1-2层）		 RDKit + Morgan +
BottleneckTransformer
（第1-3层）		 全部五层特征
（含AffinityGraph、ProLIF）
最终模型 单一模型或简单集成 单一模型或混合器 Stacking回归器
候选/基础模型 候选：SVR、Lasso、Kernel Ridge
基础：SVR、Lasso、PLS、Kernel Ridge		 候选：SVR、Lasso、KernelRidge、LightGBM
基础：SVR、Lasso、PLS、KernelRidge、
SGD、Decision Trees、LightGBM		 基础：SVR、Lasso、PLS、KernelRidge、SGD、
Decision Trees、4个LightGBM（不同超参）
Meta-learner：SVR、Lasso、KernelRidge或LightGBM
超参优化 GridSearch（穷举） RandomizedSearch
（100次迭代）		 Bayesian优化
（HyperOpt，100次）
集成策略 简单平均 (averaging) 加权集成 (weighted) Stacking-on-stacking

分类任务（Classification）

配置项 Cheap
（快速执行）		 Moderate
（平衡速度与精度）		 Expensive
（最高精度）
特征层级 RDKit + Morgan RDKit + Morgan +
BottleneckTransformer		 全部五层特征
最终模型 单一模型或简单集成 单一模型或混合器 Stacking分类器
候选/基础模型 候选：Logistic Regression
基础：LogReg、SVM、k-NN		 候选：LogReg或LightGBM
基础：LogReg、SVM、k-NN、SGD、LightGBM		 基础：LogReg、SVM、k-NN、SGD、
Decision Trees、4个LightGBM
Meta-learner：LogReg、Lasso、KernelRidge或LightGBM
超参优化 GridSearch RandomizedSearch（100次） Bayesian优化
（HyperOpt，100次）
集成策略 投票分类器 (voting) 加权集成 (weighted) Stacking-on-stacking

术语解释：

  • 单一模型（Single Model）：从候选模型中选择性能最优的一个模型作为最终预测器
  • 简单集成（Simple Blender）：使用基础模型的简单组合策略
    • 回归任务：对所有基础模型的预测值进行简单平均（averaging）
    • 分类任务：使用投票分类器（voting classifier），按多数投票决定最终类别
  • 混合器（Blender）：更复杂的集成策略，对基础模型的输出进行加权组合（weighted ensemble），权重通过交叉验证优化
  • Stacking：两层集成架构
    • 第一层：多个基础模型（base estimators）独立训练并产生预测
    • 第二层：元学习器（meta-learner）学习如何最优地组合第一层的预测结果
    • Stacking-on-stacking：在stacking基础上进一步叠加，形成更深的集成层次

关键设计：三个预算级别通过特征深度（从传统描述符到3D结构特征）、超参优化策略（从穷举到贝叶斯）和集成复杂度（从简单平均到stacking-on-stacking）形成递进式的性能-成本权衡。

相对与绝对建模（Relative vs Absolute Modeling）

对于数据稀缺的情景，MolAgent支持成对delta建模：

不直接预测绝对性质，而是学习两个化合物间的相对差异： \(\Delta_{\text{delta}} = f(X_i) - f(X_j)\)

优势：

  • 有效数据点数量翻倍（N个化合物可产生$N(N-1)/2$个成对比较）
  • 尤其适合lead优化场景（往往关注相对改进，而非绝对值）

研究结果与验证

结果1：ADMET基准性能（Table 1）

在Therapeutics Data Commons的23项ADMET任务上，MolAgent采用cheap计算预算（GridSearch超参数优化）评估：

任务 MolAgent 最佳已发布 排名 指标
Caco2_Wang 0.303±0.002 0.276±0.005 6/排行榜 MAE
Lipophilicity_astrazeneca 0.309±0.001 0.467±0.006 1/排行榜 MAE
Solubility_aqsoldb 0.889±0.001 0.761±0.024 8/排行榜 MAE
herg 0.624±0.02 0.880±0.002 17/排行榜 AUROC
ames 0.793±0.005 0.871±0.002 13/排行榜 AUROC

关键观察：

  • 脂溶性（logP）预测中排名第一，且仅用单次自动运行（无多次参数调整）
  • 在18/23任务中进入排行榜前20%
  • 计算成本远低于人类微调（“廉价”预算 vs 多轮手工优化）

结果2：脂溶性案例（Use Case II）

用户指令：“使用最快的可用模型和bottleneck特征，训练脂溶性回归模型”

系统自主决策（多智能体协调）：

  1. 数据检索智能体从TDC获取脂溶性数据集（4,200分子）
  2. 计算分子描述符（LogP、TPSA等）
  3. 管理员智能体注意到LogP与脂溶性的强正相关（Pearson r ≈ 0.8）
  4. 自主决策：将RDKit LogP添加为额外特征，尽管用户未明确提及
  5. 模型训练智能体构建blender模型（bottleneck + LogP）

最终性能：

  • R² = 0.8692
  • Pearson r = 0.9327
  • MAE = 0.3235

原理：bottleneck特征捕捉全局分子性质，而LogP提供显式的关键驱动因子，两者的组合产生协同效应。

⚠ 小编锐评：脂溶性本身在化学中常用LogP量化。技术上不算作弊，但确实降低了科学价值：

角度 评价
实用性 ✅ 如果目标是”快速得到好性能”，这完全合理
科学性 ⚠️ 缺乏新洞察：我们早就知道LogP算法与实验LogP高度相关
模型泛化 ⚠️ 对其他ADMET性质（如溶解度、渗透性），这种”捷径”不存在
Agentic能力展示 ✅ 证明了LLM能发现特征-目标相关性并自主利用

fig1

图1：多智能体框架在脂溶性任务中的工作流程

原文中的Figure 1展示了以下步骤：

  • 用户层：提出“使用最快的可用模型和bottleneck特征训练脂溶性回归模型”的自然语言指令
  • 数据检索智能体：从Therapeutics Data Commons（TDC）自动定位并获取脂溶性数据集
  • 管理员智能体的智能决策：系统被提示使用bottleneck特征进行快速执行，但框架自主发现了关键洞察——RDKit LogP与脂溶性具有显著的正相关性（Pearson相关系数 ≈ 0.8），因此主动决定将RDKit LogP添加为建模管道中的额外特征，尽管用户未明确要求
  • 模型训练智能体：基于扩充的特征集（bottleneck + LogP）构建最终的回归模型
  • 性能输出：包含预测与真实值的散点图以及模型性能指标

这个案例充分体现了agentic系统的自主推理能力——框架不是被动地执行指令，而是能够发现数据中的关键相关性并主动整合到建模流程中。

结果3：ABL1激酶Binding Affinity（Use Case III）

背景：ABL1（tyrosine-protein kinase ABL1）是关键的药物靶点（例如，伊马替尼靶向ABL1的癌症治疗）。准确的binding affinity预测对lead optimization至关重要。

数据：

  • 1,078个化合物的3D结构、SDF与PDB文件
  • 目标：pKi（结合亲和力）

系统采用的特征：

  • BottleneckTransformer（2D）
  • RDKit描述符
  • AffinityGraph（3D）：整合原子-配体图、残基-蛋白质图、相互作用编码
  • fps_1024_2（另一Morgan指纹变体）

性能：

  • R² = 0.72
  • Pearson r = 0.87
  • MAE = 0.75 kcal/mol
  • RMSE = 0.91 kcal/mol

RMSE解读：±0.91 kcal/mol的平均误差在药物设计中可接受（药物discovery通常目标精度为±1 kcal/mol）。

关键发现：AffinityGraph的加入相比仅用2D特征，R²提升约0.12，充分展示了3D信息的显著价值。

fig2

图2：智能体框架在ABL1激酶binding affinity任务中的工作流程

原文中的Figure 2概览了框架在binding affinity预测任务中的工作流程：

  • 数据获取层：系统根据用户指令获取ABL1激酶复合物的3D结构数据（SDF与PDB文件），这些数据来自之前发表的研究
  • 3D特征感知能力：框架能够整合和处理结构化学信息，充分利用3D结构数据的优势
  • 特征生成管道：同时提取多类特征——BottleneckTransformer（2D学习）、RDKit描述符、AffinityGraph（3D图神经网络）与ProLIF相互作用指纹
  • 智能体协调：各个智能体协同工作，将3D结构信息无缝集成到建模流程中
  • 结果输出：最终的binding affinity预测模型，附带性能指标与可视化

案例的科学意义：这个案例演示了3D结构信息对binding affinity预测的关键作用，也展示了agentic框架在处理复杂、多模态数据时的灵活性——即使仅有2D分子结构，系统也能运行（如脂溶性案例）；一旦有3D结构可用，框架又能自动利用这些信息以大幅提升性能。

Q&A

  • Q1：为什么需要三个不同的计算预算级别？
  • A1：反映现实中的资源约束与精度权衡。在早期筛选中，速度优先（Cheap预算，数秒内得到结果）；在lead优化中，精度优先（Expensive，可接受数分钟计算）。LLM可根据任务的关键性自主选择。
  • Q2：AffinityGraph为何在binding affinity预测中效果显著？
  • A2：Binding affinity是3D特异性的强函数。AffinityGraph通过图神经网络捕捉：
    1. 原子级细节：配体原子的类型、形式电荷
    2. 蛋白质环境：靶点残基的类型、位置、rotamer状态
    3. 相互作用指纹：特定的氢键、疏水接触等

    这些信息无法仅从2D分子结构中获得。

  • Q3：MCP为什么对agentic系统至关重要？
  • A3：MCP定义了标准化的JSON-RPC通信协议，使得：
    • 任何LLM（Claude、GPT-4、开源模型）都能无缝调用 MolAgent
    • 不同的agentic框架（Smolagents、LangChain、自定义系统）都能互操作
    • 避免vendor lock-in，提升系统的可组合性与可维护性
  • Q4：Leave-group-out验证相比stratified validation的优势是什么？
  • A4：
    • Stratified validation：确保类别平衡，但可能让化学相似的化合物同时出现在训练与验证集中——导致过度乐观的性能估计（这在药物设计中很常见，称为activity cliff问题）
    • Leave-group-out：整个化学系列（共享支架的化合物组）被保留，强制模型泛化到新颖的化学空间——更接近实际应用
  • Q5：为什么要进行嵌套交叉验证而不是简单的CV + 单独测试集？
  • A5：
    • 简单CV：在同一数据上进行模型选择和评估，产生选择偏差（选择的模型在特定CV分割上过度优化）
    • 嵌套CV：内层用于选择，外层用于无偏评估，两者解耦，产生可靠的性能估计。学术标准实践。

关键结论与批判性总结

潜在影响

  • Agentic drug discovery的可行性验证：MolAgent证明了高保真的分子建模可以完全自动化，为autonomous discovery pipelines铺平道路
  • 生成式AI在CADD中的实际应用：不再是“LLM可以生成分子”的宽泛声明，而是具体的、可部署的工具
  • 学术-产业交汇：来自J&J等大制药公司的投入，表明业界对agentic方法的认真态度
  • 开源生态：源代码开放（GitHub），降低采用门槛，可能激发后续的创新与改进

存在的局限性

  • 数据集规模与多样性：TDC基准多为公开可用的数据（ChEMBL衍生），未必代表真实的药物discovery项目的数据分布（往往涉及专有数据、更复杂的化学空间）
  • 模型可解释性：BottleneckTransformer与AffinityGraph均为黑箱模型。虽然ProLIF提供相互作用指纹的解释，但整体模型输出的解释性仍不如传统QSAR描述符
  • 3D结构依赖：AffinityGraph需要高质量的3D复合物结构（PDB或MD快照）。在高通量筛选或早期发现阶段（仅有2D结构），这一优势无法充分利用
  • 计算成本：虽然“廉价”预算已相对便宜，但Expensive预算（Bayesian优化+复杂集成）的计算成本未充分讨论。对大规模、数百万化合物的虚拟筛选，仍可能昂贵
  • agentic决策的可靠性：MolAgent展示了LLM能自主添加特征（脂溶性案例），但何时这种自主决策会失败（e.g., 添加无关特征导致过拟合）尚未系统研究

未来研究方向

  • 跨领域迁移学习：预训练的BottleneckTransformer基于ChEMBL，对专有化学空间（例如蛋白降解剂、ADC）的适应性有待探索
  • 多任务与多目标建模：现有框架主要针对单一性质。多约束优化（ADMET + 合成可行性 + 知识产权风险）的agentic协调仍是开放问题
  • 动态特征选择：目前特征集相对固定。数据驱动的特征选择（在模型训练过程中动态移除低信息特征）可能进一步提升效率
  • 不确定性量化：模型输出的置信度估计对drug discovery至关重要。集成方法提供某种形式的不确定性，但贝叶斯方法可能更鲁棒

小编锐评：

  • 工具还是很容易被抢发，“要抓紧时间实施”。
  • 这篇做得比较简单，但还是占坑了。