Workflow
多任务学习策略
icon
搜索文档
东阳光药(01558)AI研发团队发布HEC-Transporters模型 为早期药物研发提供全流程的药代动力学性质优化
智通财经网· 2025-05-20 17:56
公司技术突破 - 东阳光药AI研发团队推出多个自研创新模型用于药物分子ADME/T属性优化,涵盖PK曲线预测和CYPs相互作用预测 [1] - 团队发布基于多任务学习策略的药物透膜/转运预测模型HEC-Transporters,内部测试AUROC达0.90,显著优于公共开源模型 [1][4] - 模型在膜渗透性任务准确率达93%,转运体底物预测较单任务模型提升18.0% [4] 技术细节与优势 - HEC-Transporters采用多任务学习策略,80%共享型数据训练通用消息传递网络,20%特异型数据训练独立前馈网络 [2][4] - 模型通过参数共享的消息传递网络捕捉通用特征,缓解小样本数据局限,较自动化机器学习模型AUC提升0.19 [4][7] - 该模型为国际首款多任务学习策略的药物透膜/转运预测系统,已集成至ADME/T预测工作流 [7] 研发体系与行业影响 - 公司自2023年实施AI+战略,构建覆盖靶点预测、化合物筛选、PK建模的全流程AI研发体系 [7] - AI赋能降低新药开发成本,技术协同推动行业效能提升,助力中国医药产业全球创新竞争 [7] 数据基础与场景应用 - 模型训练使用内部Caco2细胞渗透性测试数据,包含膜渗透、转运体底物/抑制三类任务的高质量专有数据集 [1] - 药物透膜/转运预测解决高成本稀缺数据问题,Caco2细胞实验成本高昂且周期长 [1]