DPP-4 pIC50 DNN-MLP

Это MLP-регрессия от Delower, которая предсказывает pIC50 — логарифмическую меру ингибирования DPP-4 — по SMILES. На вход подаётся 4 608-мерный фингерпринт (Morgan/ECFP4 и CDK-Extended), архитектура — 4608-768-384-192-1. Модель обучена на 10 085 отобранных соединениях из ChEMBL; загруженные веса переобучены на 100% очищенных данных.

🧐 Ключевые особенности

• 🧐 4 608-мерный фингерпринт: Morgan/ECFP4-1024, CDK-Extended-1024, ECFP4-512 и ECFP4-2048.
• 🤖 MLP 4608-768-384-192-1; в комплекте model.pt, конфиг и infer.py.
• 🔥 Лучшая из 10 моделей по held-out RMSE: 0.5712 против 0.5750 у lgbm и 0.5822 у xgb.
• 👀 Обучение на 10 085 соединениях, split 80/10/10 по canonical SMILES, стратификация по pIC50, seed 42; FDA-12 исключены.
• ⛔ Только фингерпринт: без 3D-структуры и метаданных assay; не клинический инструмент.

🚀 Пример

pip install -r requirements.txt
python infer.py "CC(C)Cc1ccccc1"

Подробнее

Метрики split-run на held-out (n = 1 014): RMSE 0.5712, MAE 0.3105, R2 0.8019.
FDA RMSE 0.7269 — только tie-break, не независимый holdout.
Ошибки выше для слабо активных соединений (pIC50 < 5.5).
Загруженные веса переобучены на 100% данных; метрики относятся к split-run. Research use only.