军事医学研究院联合深势科技ES&T封面：多尺度信息嵌入通用毒性预测框架

本文针对化学品毒性评估面临的挑战，提出了一种基于SE(3)-等变多尺度模型的通用毒性预测框架ToxScan。研究背景源于传统动物试验存在成本高、伦理争议大等问题，而现有计算模型难以有效表征三维空间构效关系。研究目的在于开发能融合多尺度结构嵌入与多终点协同学习的新型预测框架。实验结果表明，该框架在36个毒性终点数据集上表现优异，在中小规模数据集上实现最高37.6%的性能提升，不仅能精准区分结构相似但毒性相反的分子对，还展现出对环境污染物的优异泛化能力。研究结论表明ToxScan突破了现有模型的局限性，为化学品安全评价提供了智能化解决方案，并开发了在线预测平台促进应用共享。