浙江大学庄树林课题组ES&T：DART Predictor：基于暴露场景参数的发育与生殖毒性预测模型

背景：环境化合物对人类健康构成潜在威胁，尤其是具有发育与生殖毒性（DART）的化学物质，传统动物试验方法在预测现实暴露风险时存在局限。研究目的：为突破现有预测模型缺乏暴露参数考虑、难以精准刻画真实风险场景的瓶颈，研究旨在开发一个融合暴露情境校准与多标签预测能力的计算工具。结论：研究基于大量数据，采用深度学习算法和标签感知注意力机制，构建了DART Predictor模型，该模型预测精度高、泛化能力强，并已部署为在线平台，为化学品高通量筛查、优先级排序及动物实验替代提供了重要技术支撑。