EGFR pIC50
гибрид GAT и ExtraTrees для прогноза активности против EGFR
2 min readupdated
Модель предсказывает pIC50 (меру силы ингибирования) для человеческого EGFR дикого типа (CHEMBL203) — задачи из поиска лекарств при NSCLC. На вход она берёт 1 158 признаков: Morgan-фингерпринт (radius 2, 1024 бита), 6 физико-химических дескрипторов и 128-мерный эмбеддинг от 2-слойного GAT (графовой attention-сети). Поверх стоит настроенный ExtraTrees: регрессор на 800 деревьев и классификатор на классы potent / moderate / not_potent. Обучение шло на очищенных данных ChEMBL + BindingDB + PubChem (train n=10 105) с дедупликацией по приоритету источников. По карточке, это лучший тест и лучший внешний результат среди семи сравнённых EGFR-архитектур; автор — Delower, модель пригодится вычислительным химикам и исследователям drug discovery.
Ключевые особенности
- 1 158 признаков: Morgan radius 2 (1024 бита), 6 physchem-дескрипторов и 128-d GAT-эмбеддинг.
- ExtraTrees-регрессор на 800 деревьев и классификатор с классами potent / moderate / not_potent.
- GAT: 2 слоя, FlexGNN, layers [128, 128], dropout 0, lr 1e-3; даёт 128-мерное графовое представление.
- Чистый набор v2: ChEMBL + BindingDB + PubChem, дедупликация, split 80/10/10 (seed 42, стратификация по pIC50).
- Лучший test и external среди семи EGFR-архитектур; внешний набор FDA-15 — n=14 scored.
Что можно сделать
- В веб-приложении Delower/egfr-pic50-webapp делать одиночный или пакетный прогноз pIC50.
- Отсеивать соединения по классам potent / moderate / not_potent до более дорогих проверок.
- Встроить feature builders и pure-PyTorch GAT в свой пайплайн: код инференса поставляется вместе со Space.
- Проверить воспроизводимость на ориентирах: для гефитиниба указано 7.526, для эрлотиниба — 7.818.
Пример
Сценарий: исследователь загружает набор соединений в Space и получает pIC50 и класс активности. Для гефитиниба ожидаемое значение — 7.526, для эрлотиниба — 7.818; карточка утверждает, что прогнозы точно воспроизводят проверенную внешнюю сетку.
Подробнее
Тест (n=1 264): RMSE 0.644, MAE 0.460, R² 0.795, accuracy 0.880, F1 macro 0.771, MCC 0.686.Внешний FDA-15 (n=14 scored): RMSE 0.680, MAE 0.520. Валидация: RMSE 0.661.
Train n=10 105; 80/10/10 split, seed 42. Набор из 15 одобренных препаратов удалён до split, leakage audit 0/15.
Ограничение: прогноз только для EGFR (CHEMBL203, wild-type), не замена эксперименту. Требования к VRAM/железу не указаны.










Comments