AUC冲到0.970！随机森林到广义随机森林新流程，精准预测血脑屏障通透性
Feature Space Selection and Heterogeneous Effect Estimation for Blood-Brain Barrier Permeability: A Random Forest to the Generalized Random Forest Pipeline
📖 AI 总结
本研究基于MoleculeNet血脑屏障渗透性数据集（n=2039），系统比较了Morgan指纹、RDKit理化描述符和SMILES双字符组三类分子特征在四种学习算法下的预测表现，旨在将特征化过程与模型架构的影响分离。结果显示，预测性能取决于特征表示与算法的联合作用，采用组合特征的动态随机森林取得最高平均AUC（0.970，95%置信区间0.963–0.977）。在此基础上，研究进一步以LogP中位数分割构建伪处理变量，利用广义随机森林结合双/去偏机器学习估计分子结构与血脑屏障渗透性之间的异质性关联。正交化处理后，朴素因果森林所检测到的异质性大幅减弱，经错误发现率校正后无任何条件效应显著（最小校正p值为0.082），正交化特征重要性也转向SMILES双字符组中的残差结构信息。研究表明，在充分控制已观测混杂后，尚缺乏证据支持LogP与血脑屏障渗透性的关联在化学空间中存在系统性差异，同时提示特征表示与模型架构是相互耦合的设计选择，未经正交化的因果森林可能高估真实的处理效应异质性。
🔑 关键词速览
| 血脑屏障通透性 | 物质穿过血脑屏障进入大脑的能力，是中枢神经系统药物开发的关键指标。 |
| Morgan指纹 | 一种常用的分子圆形指纹，通过哈希分子子结构生成二进制特征向量。 |
| 广义随机森林 | 随机森林的扩展，用于估计条件平均处理效应等异质性处理效应。 |
| 双/去偏机器学习 | 一种结合机器学习与正交化（如Neyman正交）的因果推断方法，用于减少混杂偏差。 |
| 错误发现率校正 | 多重假设检验中控制错误发现比例的方法，如Benjamini-Hochberg程序。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅