28个分子嵌入模型评测：多数不及经典ECFP指纹

Mateusz Praski 等人在一项新研究中，用统一的分层贝叶斯 Bradley-Terry 统计检验框架，评测了 28 个预训练分子嵌入模型在 25 个分类数据集上的分子表示学习能力。结果发现，除 CheMeleon 外，所有神经模型都未能超越经典的 ECFP count 指纹，CheMeleon 是唯一被评为更优的模型。 基于 scaffold 交叉验证的外部检验也未显示哪类嵌入有确定优势。研究团队建议，在新的 QSAR/QSPR 研究中同时评估 ECFP 指纹和 CheMeleon 嵌入。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。