Nat Commun｜ToxACoL：一站式急性毒性预测平台

本研究提出了一种名为ToxACoL的端点感知与任务聚焦型分子表征学习范式，旨在解决急性毒性评估中的多物种、多实验条件与数据稀缺问题。通过引入“伴随相关学习机制”，利用图神经网络对化合物与毒性端点进行同步建模，ToxACoL在多个稀缺人类毒性端点上预测准确率显著提升，同时将训练数据需求减少至30%以下。研究结果表明，ToxACoL不仅在标准数据集上取得领先结果，还在高难度外部任务中表现出优异的泛化能力，并且其生成的分子潜在表示具备良好的结构可解释性。最终，该模型已成功部署为在线预测平台，为急性毒性评估提供了高效可复现的技术手段。