Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:2506.00223

帮助 | 高级搜索

定量生物学 > 定量方法

arXiv:2506.00223 (q-bio)
[提交于 2025年5月30日 ]

标题: 提升药物发现:基于自动编码器的潜在空间增强用于改进分子溶解度预测的LatMixSol方法

标题: Enhancing Drug Discovery: Autoencoder-Based Latent Space Augmentation for Improved Molecular Solubility Prediction using LatMixSol

Authors:Mohammad Saleh Hasankhani
摘要: 分子溶解度的准确预测是早期药物发现的基础,然而,由于标记数据有限以及分子描述符的高维特性,传统的机器学习模型面临重大挑战。 为了解决这些问题,我们提出了 LatMixSol,这是一种结合基于自动编码器的特征压缩与引导插值的新型潜在空间增强框架,以丰富训练数据。 我们的方法首先使用两层自动编码器将分子描述符编码到低维潜在空间中。 然后应用光谱聚类将化学上相似的分子分组,从而在集群内实现目标性的 MixUp 风格插值。 通过混合集群成员的潜在向量并解码回原始特征空间来生成合成样本。 在 Huuskonen 溶解度基准数据集上的评估显示,LatMixSol 在四种梯度提升回归器(CatBoost、LightGBM、HistGradientBoosting)中的三种上表现出一致的改进,实现了 RMSE 减少 3.2%-7.6%,R-squared 提升 0.5%-1.5%。 值得注意的是,HistGradientBoosting 显示出最显著的提升,RMSE 改善了 7.6%。 我们的分析证实,集群引导的潜在空间增强在扩展数据集多样性的同时保留了化学有效性,提供了一种计算高效的策略,可在资源受限的药物发现管道中增强预测模型。
摘要: Accurate prediction of molecular solubility is a cornerstone of early-stage drug discovery, yet conventional machine learning models face significant challenges due to limited labeled data and the high-dimensional nature of molecular descriptors. To address these issues, we propose LatMixSol, a novel latent space augmentation framework that combines autoencoder-based feature compression with guided interpolation to enrich training data. Our approach first encodes molecular descriptors into a low-dimensional latent space using a two-layer autoencoder. Spectral clustering is then applied to group chemically similar molecules, enabling targeted MixUp-style interpolation within clusters. Synthetic samples are generated by blending latent vectors of cluster members and decoding them back to the original feature space. Evaluated on the Huuskonen solubility benchmark, LatMixSol demonstrates consistent improvements across three of four gradient-boosted regressors (CatBoost, LightGBM, HistGradientBoosting), achieving RMSE reductions of 3.2-7.6% and R-squared increases of 0.5-1.5%. Notably, HistGradientBoosting shows the most significant enhancement with a 7.6% RMSE improvement. Our analysis confirms that cluster-guided latent space augmentation preserves chemical validity while expanding dataset diversity, offering a computationally efficient strategy to enhance predictive models in resource-constrained drug discovery pipelines.
主题: 定量方法 (q-bio.QM) ; 机器学习 (cs.LG)
引用方式: arXiv:2506.00223 [q-bio.QM]
  (或者 arXiv:2506.00223v1 [q-bio.QM] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.00223
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Mohamad Saleh Hasankhani [查看电子邮件]
[v1] 星期五, 2025 年 5 月 30 日 20:54:57 UTC (2,049 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
q-bio.QM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.LG
q-bio

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号