多模态心脏离子通道预测模型

精度显著超越现有模型

首个将渐进式多模态学习应用于心脏离子通道抑制预测的模型，融合SMILES序列、图结构与指纹特征，实现对hERG、Cav1.2和Nav1.5的精准抑制预测。

王涛 · Zhuo, Linlin · Fu, Xiangzheng · 邹权 · Yao, Xiaojun

International Journal of Biological Macromolecules 2024

技术优势

首创渐进式多模态融合

通过渐进式学习策略融合 SMILES 序列、图结构与指纹三种互补表征，增强化合物表示能力，突破现有方法难以有效融合多源数据的局限。

预测精度显著更高

在 hERG、Cav1.2 和 Nav1.5 三个通道的抑制预测任务上，MultiCBlo 的性能显著优于当前模型，能够更准确地评估化合物的心脏毒性风险。

应用场景

• 心脏药物安全评估：提前预测化合物对 hERG、Cav1.2、Nav1.5 的抑制作用，降低药物致心律失常风险。
• 化合物毒性筛选：高通量筛选化合物的心脏毒性，替代部分实验，加快毒性评估流程。
• 药物研发：在药物研发早期识别有心脏毒性的候选化合物，降低开发失败风险。