Nat. Comput. Sci. | 深度学习助力电子圆二色谱预测

本文介绍了电子圆二色谱 (ECD) 在手性分子研究中的重要性及其在药物研发等领域的应用。传统ECD谱预测方法面临数据稀缺、可解释性差和计算效率低等挑战。研究提出了一种名为ECDFormer的创新模型，通过解耦峰特性并结合几何增强的图神经网络和Transformer编码器，实现了高效、准确且可解释的ECD谱预测。实验结果表明，ECDFormer在预测峰数量、位置和符号方面均优于基线模型，并展现出良好的泛化能力和可解释性。该模型有望成为手性分子研究的重要工具，加速手性药物分子的发现和优化进程。