TopU-LBVS: A Realistic Multi Target Benchmark for Ligand Based Virtual Screening

{"tags": ["TopU-LBVS", "Ligand-Based Virtual Screening", "Drug Discovery", "Benchmark", "Hard Negatives", "ChEMBL 35", "Molecular Representation Learning", "Graph Neural Networks"], "risks": ["Các mô hình đạt kết quả cao trên benchmark truyền thống có thể sụt giảm mạnh độ chính xác trong điều kiện thực tế nếu chưa được kiểm định trên phân phối hard-negative.", "Chi phí huấn luyện và tính toán có thể tăng khi xử lý các mẫu âm tính khó có cấu trúc phức tạp và tương đồng cao.", "Độ bao phủ và tính chuẩn xác của dữ liệu vẫn phụ thuộc vào nguồn hoạt tính sinh học được tuyển chọn từ ChEMBL 35.", "Sàng lọc ảo chỉ là bước đầu trong drug discovery, chưa phản ánh đầy đủ các thông số ADMET hay tương tác sinh học phức tạp in vivo."], "category": "Research", "entities": ["TopU-LBVS", "ChEMBL", "GitHub", "Hugging Face"], "summary_vi": "TopU-LBVS là bộ benchmark đa mục tiêu mới cho sàng lọc ảo dựa trên phối tử (LBVS) trong điều kiện mẫu âm tính khó (hard-negative), giúp khắc phục tình trạng thổi phồng hiệu năng do sử dụng mồi nhử ngẫu nhiên (random decoys) ở các benchmark trước đây. Được xây dựng từ dữ liệu ChEMBL 35, TopU-LBVS bao phủ 93 mục tiêu protein qua 7 họ protein với tỷ lệ active-to-decoy cố định 1:40 (quy mô từ 400 đến 10.000 hợp chất mỗi thư viện), triệt tiêu các 'đường tắt' nhận diện dựa trên thuộc tính hóa lý hay fingerprint đơn giản. Benchmark cung cấp 3 giao thức chuẩn hóa (Full, Low, Mini) và thử nghiệm trên 10 baseline (fingerprint, GNN, hybrid, mô hình phân tử hiện đại), cho thấy hiệu năng thực tế sụt giảm mạnh khi đối mặt với hard negatives. Toàn bộ mã nguồn, dữ liệu và phân chia tập dữ liệu được phát hành mở trên GitHub và Hugging Face.", "key_changes": ["Giới thiệu TopU-LBVS, bộ benchmark sàng lọc ảo dựa trên phối tử (LBVS) đa mục tiêu với điều kiện âm tính khó (hard-negative) nhằm khắc phục hiện tượng đánh giá quá mức hiệu năng ở các benchmark hiện tại.", "Xây dựng tập dữ liệu từ ChEMBL 35 gồm 93 mục tiêu protein thuộc 7 họ protein, thiết kế thư viện sàng lọc với tỷ lệ hợp chất hoạt tính trên mồi nhử (active-to-decoy) cố định 1:40 (khoảng 400 đến 10.000 hợp chất/thư viện) có cấu trúc và tính chất hóa lý tương đồng.", "Thiết lập 3 giao thức chuẩn hóa: TopU-LBVS-full (đánh giá tổng quát hóa trên 93 mục tiêu), TopU-LBVS-low (học trong điều kiện dữ liệu ít với phân phối hard-negative), và TopU-LBVS-mini (7 mục tiêu kèm nhóm đối chứng paired random-decoy).", "Thử nghiệm 10 baseline tiêu biểu (phương pháp fingerprint, GNN phân tử, hybrid, mô hình phân tử hiện đại), chỉ ra hiệu năng sụt giảm nghiêm trọng khi chuyển từ mồi nhử ngẫu nhiên sang mồi nhử khó.", "Phát hành công khai dữ liệu, phân chia tập dữ liệu (splits), mã nguồn đánh giá và triển khai baseline trên GitHub và Hugging Face."], "sub_category": "AI Drug Discovery", "novelty_score": 74, "business_score": 72, "research_score": 88, "why_it_matters": "Sàng lọc ảo là công cụ then chốt giúp tiết kiệm thời gian và chi phí ở giai đoạn đầu phát hiện thuốc. Việc các benchmark hiện nay dùng mồi nhử ngẫu nhiên dễ dãi tạo ra ảo tưởng về độ chính xác của AI, dẫn đến lãng phí ngân sách thử nghiệm ướt cho các ứng viên phân tử sai lệch. TopU-LBVS đặt ra tiêu chuẩn đánh giá khắt khe, thực tế và có thể tái lập, buộc các mô hình AI phải học đúng bản chất tương tác phân tử thay vì dựa vào các đường tắt bề mặt.", "developer_score": 78, "importance_score": 76, "possible_use_cases": ["Đánh giá chuẩn hóa và so sánh khách quan các mô hình học biểu diễn phân tử (GNN, mô hình nền tảng phân tử) cho bài toán LBVS.", "Tích hợp TopU-LBVS-mini vào pipeline phát triển mô hình và CI/CD để kiểm thử nhanh với chi phí tính toán thấp.", "Nghiên cứu cải thiện năng lực khái quát hóa của mô hình trong điều kiện ít dữ liệu hoạt tính sinh học (TopU-LBVS-low).", "Hỗ trợ các công ty dược và biotech thẩm định mô hình sàng lọc ảo trước khi đầu tư kinh phí tổng hợp mẫu và thử nghiệm ướt (wet-lab)."], "actionability_score": 82}