Delower/herg-best-deployment
ансамбль для оценки hERG-токсичности молекул
2 min readupdated
Модель решает задачу виртуального скрининга в разработке лекарств: по строковой записи химической структуры (SMILES) она предсказывает вероятность блокировки калиевых каналов hERG, что связано с риском кардиотоксичности. Внутри используется ансамбль из градиентного бустинга (файлы tree_*.pkl) и нейросетей на Keras (ltn_*.keras), работающий одновременно в режимах классификации и регрессии. Для описания молекул применяются отпечатки Morgan ECFP4, 2D-дескрипторы RDKit, индекс QED и эмбеддинги от предобученной ChemBERTa-77M. Инструмент пригодится хемоинформатикам и биотех-разработчикам для быстрой фильтрации кандидатов на ранних этапах отбора.
Ключевые особенности
- Двойной режим работы: ансамбль выдаёт предсказания как для задачи классификации, так и для регрессии.
- Комбинированный стек признаков: объединяет Morgan ECFP4, физико-химические дескрипторы RDKit и извлечённые эмбеддинги ChemBERTa-77M (в режиме только для инференса).
- Гибридная архитектура: сочетает модели на основе деревьев решений и нейросетевые фолды на Keras с сохранением настроек препроцессинга в JSON.
- Полный пайплайн из коробки: в репозитории лежат готовые скрипты
feature_extraction.pyиpredict_herg.pyдля запуска напрямую от SMILES.
Что можно сделать
- Скрининг библиотек соединений: прогнать список SMILES через
predict_herg.py, чтобы отсеять потенциально кардиотоксичные молекулы до синтеза. - Интеграция в пайплайны: встроить расчёт признаков из
feature_extraction.pyи веса ансамбля в собственный сервис генерации или отбора лекарственных кандидатов.
Пример
В карточке не приведён фрагмент кода, но для сквозного инференса от SMILES в репозитории предусмотрены скрипты feature_extraction.py и predict_herg.py, использующие веса tree_*.pkl, ltn_*.keras и конфигурацию config.json.
Подробнее
Валидация на внутреннем scaffold-split (до финального дообучения): MCC 0.5729 для классификации и RMSE 0.6449 для регрессии.Версия DEPLOYMENT REFIT обучена на всех размеченных данных, включая наборы hERG-70, new-compounds, FDA panel и REGFAIL (оценка на них для этой версии неприменима).
Дескрипторы CDK через PaDEL были заменены на блок 2D-дескрипторов RDKit; веб-демо или Space не прилагается.








Comments