Мета-модели stacking-асос дар ин таҳқиқот низоми омӯзиши мошинӣ мебошад, ки молекуларо бо якчанд намоиши ададӣ рамзгузорӣ карда, пешгӯиҳои алгоритмҳои гуногуни регрессияро дар қабати болоии омӯзиш муттаҳид месозад ва ҳалшавандагӣ дар об (logS)-ро пешгӯӣ мекунад. Муҳаққиқон 9.982 пайвастагии беназири органикиро, ки пас аз коркарди пешакӣ аз AqSolDB v1.0 боқӣ мондаанд, истифода бурда; намоишҳои молекулавии пурракунандаи ҳамдигар, аз ҷумла fingerprint-ҳои MACCS, fingerprint-ҳои PubChem, embedding-ҳои Mol2Vec, дескрипторҳои молекулавии дученака ва дескрипторҳои Mordred-ро арзёбӣ кардаанд. Дар маҷмӯъ 17 алгоритми регрессия бо санҷиши салибии панҷқабата муқоиса шуда, гиперпараметрҳо бо Optuna оптимизатсия гардида ва конфигуратсияҳои муваффақтарин дар меъмории stacking муттаҳид карда шудаанд.

Самаранокии модел танҳо бо санҷиши салибӣ дар дохили омӯзиш арзёбӣ нашудааст; он инчунин дар маҷмӯаҳои мустақили берунии тестӣ, аз ҷумла Klop120, Yalk21, Boobier, Cui ва ду маҷмӯаи Llinas2020 санҷида шудааст. Дар Table 2 MetaModel-и асосёфта ба RepeatedKFold; барои Klop120 ба R²=0.969 ва RMSE=0.527, барои Yalk21 ба R²=0.988 ва RMSE=0.213 ва барои Boobier ба R²=0.919 ва RMSE=0.489 расидааст. Бо вуҷуди ин, дар маҷмӯаҳои додаҳои Cui ва махсусан Llinas самаранокӣ коҳиш меёбад; масалан, барои Llinas2020 Set1 RepeatedKFold R²=0.572 ва барои Set2 R²=0.631 аст. Ин ҳолат нишон медиҳад, ки муваффақияти модел аз тақсимоти кимиёвӣ ва монандии соҳаи омӯзиш бо соҳаи тестии беруна вобаста аст.

Манбаъ инчунин муқоисаи моделро бо усулҳои қаблии SolPredictor ва GGAS2SN пешниҳод мекунад. MetaModel дар Table 3 барои маҷмӯаҳои додаҳои Boobier, Klop120, Llinas set1, Lovric1 ва Yalk21 умуман хатои камтар ва/ё R²-и баландтар нишон медиҳад. Аммо он дар ҳар маҷмӯаи додаҳо беҳтарин нест: дар Cui ва Llinas set2, GGAS2SN дар баъзе метрикаҳои асосии хато ва R² аз MetaModel натиҷаҳои беҳтар медиҳад. Аз ин рӯ, таҳқиқот хулосаи “MetaModel дар ҳамаи фазоҳои кимиёвӣ ҳамаи рақибонро мағлуб мекунад”-ро дастгирӣ намекунад.

Яке аз ҷиҳатҳои қавии таҳқиқот тарҳи арзёбӣ мебошад, ки барои коҳиш додани ихроҷи додаҳо равона шудааст. Коркарди пешакӣ пас аз тақсим кардани додаҳо дар дохили ҳар fold-и омӯзишӣ мустақилона иҷро шудааст; дар таҷрибаи GroupKFold бошад, scaffold-ҳои Bemis–Murcko истифода шудаанд, то пайвастагиҳое, ки скелети асосии молекулавии якхела доранд, байни fold-ҳои омӯзиш ва валидатсия паҳн нашаванд. Бо вуҷуди ин, PDF-и асосӣ баъзе ҷузъиёти муфид барои такрорпазириро, аз ҷумла exact random seed, шумораи Optuna trial ва фазои ҷустуҷӯ, алгоритми дақиқи meta-learner ва таҷҳизоти ҳисоббарориро гузориш намедиҳад.

Муҳимтарин маҳдудияти тафсири таҳқиқот ин аст: қиматҳои баланди R² ва пасти RMSE маънои онро надоранд, ки модел ченкунии таҷрибавии ҳалшавандагиро дар ҳар синфи кимиёвӣ бе хато иваз мекунад. Дар Figure 1-и манбаъ равшан дида мешавад, ки барои пайвастагиҳои дорои ҳалшавандагии хеле паст ё хеле баланд пешгӯиҳо тамоюли ҳамворшавӣ доранд, дар маҷмӯаҳои Llinas хатогиҳо зиёд мешаванд ва самаранокии модел аз тақсимоти додаҳо вобаста аст. Модел воситаи ҳисоббарорӣ барои скрининги молекулаҳо дар марҳилаи ибтидоӣ мебошад; он ҷойгузини универсалии ченкунии таҷрибавии ҳалшавандагӣ нест.

Чаро масъалаи таҳқиқот муҳим аст?

Ҳалшавандагӣ дар об хусусияти асосии физикӣ-кимиёвист, ки нишон медиҳад молекула дар муҳити дорои об то чӣ андоза ҳал шуда метавонад. Дар таҳияи дору ҳалшавандагӣ метавонад ба имконияти формулятсия, биодастрасӣ ва рафтори фармакокинетикӣ таъсир расонад. Манбаъ инчунин қайд мекунад, ки ҳамин масъала дар таҳияи agrochemical ва таҳқиқоти мавод низ муҳим аст. Гарчанде ченкуниҳои таҷрибавии ҳалшавандагӣ арзишманданд, онҳо вақт, захира ва шароити лабораториро талаб мекунанд; ҳамчунин метавонанд ба омилҳои таҷрибавӣ, аз ҷумла pH, ҳарорат ва шакли кристаллӣ ҳассос бошанд.

Аз ин рӯ, масъалаи таҳқиқот танҳо ин нест, ки “оё модели омӯзиши мошинӣ метавонад logS-ро пешгӯӣ кунад?” Саволи асосӣ ин аст, ки оё дар натиҷаи муттаҳид кардани дескрипторҳои молекулавӣ, binary fingerprint-ҳо ва embedding-ҳои омӯхташуда, ки намудҳои гуногуни маълумоти кимиёвиро ифода мекунанд, бо якчанд модели регрессия метавон низоми пешгӯии ҳалшавандагиро сохт, ки нисбат ба маҷмӯаҳои додаҳои кимиёвии беруна устувортар бошад.

logS Дар Пешгӯии Ҳалшавандагӣ Дар Об Чӣ Маъно Дорад?

Дар ин мақола logS тағйирёбандаи ҳадафии логарифмии ҳалшавандагии таҷрибавӣ дар об мебошад; ин ҳамон баромади пайвастаи ададист, ки модел кӯшиш мекунад пешгӯӣ кунад. Дар додаҳои омӯзишии асосёфта ба AqSolDB қиматҳои logS аз −13.17 то 2.14 тағйир меёбанд ва манбаъ қиматҳои пастро ҳамчун мувофиқ ба ҳалшавандагии хеле паст ва қиматҳои баландро ҳамчун мувофиқ ба ҳалшавандагии бештар истифода мебарад. Аммо азбаски дар бахши Methods-и PDF-и асосӣ асоси логарифм ва воҳиди хоми ҳалшавандагӣ, ки зери logS истифода шудааст, алоҳида аз нав таъриф нашудааст, Verianla ин ҷузъиётро аз беруни манбаъ илова намекунад.

Додаҳои омӯзишии AqSolDB

Дар таҳқиқот AqSolDB version 1.0 истифода шудааст. Пас аз хориҷ кардани сабтҳои нопурра ва коркарди пешакӣ маҷмӯаи додаҳо 9.982 пайвастагии беназири органикӣ-ро дар бар мегирад. Ҳар пайвастагӣ бо сатри SMILES, InChIKey ва қимати логарифмии ҳалшавандагӣ дар об, ки таҷрибавӣ чен шудааст, ифода мегардад.

Манбаъ қайд мекунад, ки муттаҳид кардани мушоҳидаҳои таҷрибавӣ аз якчанд манбаи адабиёт дар AqSolDB дар додаҳо садои табиӣ ва тағйирпазирӣ ба вуҷуд меорад. Муҳаққиқон инро танҳо ҷиҳати манфӣ намешуморанд; онҳо далел меоранд, ки ин сенарияе ба вуҷуд меорад, ки ба гетерогении аз манбаъҳои гуногуни ченкунӣ дар таҳқиқоти воқеии ибтидоии доруворӣ наздиктар аст. Бо вуҷуди ин, ҳамин хусусият маънои онро дорад, ки ба хатои пешгӯӣ на танҳо меъмории модел, балки фарқиятҳои ченкунии таҷрибавӣ низ таъсир расонида метавонанд.

Чаро тақсимоти омӯзиш ва тестҳои беруна якхела нестанд?

Figure 3-и манбаъ нишон медиҳад, ки тақсимоти logS дар додаҳои омӯзишӣ ва маҷмӯаҳои гуногуни тестии беруна якхела нестанд. Klop120 ба тақсимоти омӯзишӣ нисбатан наздик аст, дар ҳоле ки Cui ва Boobier тақсимотҳои тангтар ва зичтар нишон медиҳанд. Llinas1 ва Llinas2 бошанд, тақсимотҳои васеътар, парокандатар ва ба самти минтақаи ҳалшавандагии паст кӯчидаро нишон медиҳанд. Муҳаққиқон ин тағйирёбии тақсимотро дар маҷмӯаҳои Llinas аз ҷиҳати умумисозии модел ҳамчун масъалаи душвортар арзёбӣ мекунанд.

Визуализатсияи t-SNE дар Figure 4-и манбаъ низ нишон медиҳад, ки бисёре аз пайвастагиҳои маҷмӯаҳои берунии додаҳо дар дохил ё наздики фазои кимиёвие ҷойгиранд, ки намунаҳои омӯзишӣ фаро мегиранд; махсусан баъзе намунаҳои Llinas метавонанд дар атроф ё берун аз кластерҳои зичи омӯзишӣ ҷойгир бошанд. Ин графики t-SNE худи алгоритми пешгӯии модел нест; он проексияи тавзеҳист, ки барои нишон додани мавқеи нисбии маҷмӯаҳои додаҳо дар фазои кимиёвӣ истифода мешавад.

Фарқи Байни Дескриптори Молекулавӣ, Fingerprint Ва Mol2Vec Embedding Чист?

Дескрипторҳои молекулавӣ андоза, пайвастагӣ, хусусиятҳои электронӣ ё физикӣ-кимиёвии молекуларо бо қиматҳои ададӣ ифода мекунанд; fingerprint-ҳои кимиёвӣ мавҷудияти мотивҳои муайяни сохториро аксаран бо битҳои 0/1 рамзгузорӣ мекунанд; Mol2Vec бошад усули embedding мебошад, ки ифода кардани зерсохторҳои молекулавиро дар фазои вектории пайваста ба таври монанд ба Word2Vec меомӯзад. Ғояи асосии таҳқиқот ин аст, ки азбаски ин намоишҳо ба як сохтори кимиёвӣ аз дидгоҳҳои гуногун нигоҳ мекунанд, онҳо метавонанд ба ҷойи як намоиши ягона якдигарро пурра кунанд.

MACCS fingerprint

MACCS key равиши fingerprint мебошад, ки мавҷуд ё набудани хусусиятҳои муайяни кимиёвӣ ё мотивҳои зерсохториро дар сохтори молекулавӣ бо битҳои binary ифода мекунад. Қимати 1 доштани бит маънои мавҷуд будани хусусияти дахлдорро дорад ва 0 набудани онро нишон медиҳад. Манбаъ хабар медиҳад, ки пеш аз коркарди пешакӣ 167 хусусияти MACCS мавҷуд буд ва пас аз тозакунӣ 112 хусусият боқӣ монд.

Дескрипторҳои молекулавии 2D

Дескрипторҳои молекулавии дученака ба ҷойи истифодаи мустақими конформатсияи сеченакаи атомҳо ба ҷадвали пайвастагии молекула такя мекунанд. Онҳо метавонанд хусусиятҳои гуногуни ададиро вобаста ба андоза, шохабандӣ, намунаи пайвастагӣ ва тақсимоти электронӣ тавлид кунанд. Дар манбаъ 217 хусусияти ибтидоӣ пас аз коркарди пешакӣ ба 134 коҳиш ёфтааст.

Дескрипторҳои Mordred

Mordred барномаи descriptor мебошад, ки дар таҳқиқоти cheminformatics метавонад шумораи зиёди дескрипторҳои молекулавиро ҳисоб кунад. Манбаъ умуман қайд мекунад, ки Mordred метавонад зиёда аз 1.800 descriptor-ро ҳисоб намояд. Дар матритсаи хусусиятҳои сохтаи ин таҳқиқот шумораи хусусиятҳои Mordred пеш аз тозакунӣ 1.613 ва пас аз коркарди пешакӣ 451 мебошад.

Mol2Vec

Mol2Vec равиши омӯзиши мошинии беназорат аст, ки ба таври монанд ба мантиқи Word2Vec, ки барои калимаҳо таҳия шудааст, барои зерсохторҳои молекулавӣ намоишҳои зичи векториро меомӯзад. Бо муттаҳид кардани векторҳое, ки аз зерсохторҳои молекула омӯхта шудаанд, барои тамоми молекула embedding-и ададӣ сохта мешавад. Дар таҳқиқот аз намоиши ибтидоии 300-ченака пас аз коркарди пешакӣ 185 хусусият боқӣ мондааст.

PubChem fingerprint

PubChem fingerprint мавҷудияти ҳалқа, ҷуфти атомҳо ва дигар мотивҳои сохториро бо битҳои binary-и зерсохторӣ ифода мекунад. Манбаъ хабар медиҳад, ки 881 хусусияти ибтидоии PubChem дар таҳқиқот пас аз тозакунӣ ба 241 хусусият коҳиш ёфтааст.

Чаро коркарди пешакӣ пас аз тақсим кардани додаҳо анҷом дода шуд?

Дар омӯзиши мошинӣ, агар интихоби хусусиятҳо дар тамоми додаҳо анҷом дода шуда, баъд тақсимоти омӯзиш-тест сохта шавад, маълумоти омории додаҳои тестӣ метавонад ба таври ғайримустақим ба раванди омӯзиш ворид шавад. Барои коҳиш додани ин хавф, манбаъ филтрҳои вариатсияи паст ва коррелятсияи баландро пас аз тақсим кардани додаҳо ва дар дохили ҳар fold-и омӯзишӣ мустақилона татбиқ кардааст. Зермаҷмӯи хусусиятҳое, ки дар fold-и омӯзишӣ омӯхта шудаанд, баъдан ба қисми мувофиқи валидатсия/тест татбиқ гардидааст.

Қимати VarianceThreshold ҳамчун 0.01 истифода шудааст. Хусусиятҳои дорои қиматҳои нопурра ё беохир хориҷ гардида, баъд хусусиятҳои зиёдатие, ки коэффисиенти коррелятсияи онҳо аз 0.80 зиёд буд, бартараф карда шудаанд. Ҳадаф дар ин ҷо ҳам коҳиш додани садо ва такрор ва ҳам пешгирӣ кардани дидани пешакии додаҳои арзёбӣ ҳангоми интихоби хусусиятҳо мебошад.

Мета-Омӯзиши Stacking-Асос Дар Ин Таҳқиқот Чӣ Гуна Кор Мекунад?

Дар равиши stacking пешгӯии як модели регрессия ҳамчун ҷавоби ниҳоӣ қабул намешавад; пешгӯиҳои out-of-fold-и моделҳои гуногуни базавӣ ба “meta-feature”-ҳои нав табдил дода мешаванд ва meta-learner-и сатҳи болоӣ ин пешгӯиҳоро муттаҳид намуда, қимати ниҳоии logS-ро тавлид мекунад. Дар ин таҳқиқот ба шарофати санҷиши салибии панҷқабата кӯшиш шудааст, ки барои ҳар намунаи омӯзишӣ meta-feature аз модели базавие тавлид шавад, ки он намунаро ҳангоми омӯзиш надидааст; бо ин роҳ ихроҷи маълумоте, ки ҳадафи омӯзиширо бевосита ба қабати stacking “аз ёд” медиҳад, кам карда шудааст.

Мантиқи пешгӯии out-of-fold

Додаҳои омӯзишӣ ба панҷ қисм тақсим шудаанд. Дар ҳар итератсия чор fold барои омӯзиши модели базавӣ ва fold-и боқимонда барои тавлиди пешгӯӣ истифода мешавад. Пас аз панҷ итератсия ҳар намунаи омӯзишӣ аз моделе, ки онро ҳангоми омӯзиш надидааст, ҳадди ақал як пешгӯӣ мегирад. Ин пешгӯиҳо паҳлуи ҳам гузошта шуда, вуруди омӯзишии stacking meta-model сохта мешавад.

Сипас моделҳои базавии оптимизатсияшуда дар тамоми додаҳои омӯзишӣ аз нав омӯзонида шуда, барои маҷмӯаҳои мустақили берунии тестӣ пешгӯӣ тавлид мекунанд. Ин пешгӯиҳои беруна низ бо ҳамон тартиб ба вуруди stacking табдил дода мешаванд. Meta-learner аз пешгӯиҳои базавӣ пешгӯии ниҳоии ҳалшавандагӣ дар обро месозад.

17 алгоритми регрессияи муқоисашуда

Optuna дар ин ҷо чӣ кор мекунад?

Optuna модели пешгӯие нест, ки моҳияти алгоритмро иваз кунад; он framework-и оптимизатсияест, ки комбинатсияҳои мувофиқи гиперпараметрҳои моделро ҷустуҷӯ мекунад. Манбаъ мегӯяд, ки оптимизатсияи гиперпараметрҳо барои моделҳои қавии интихобшуда ба ҳар техникаи молекулавии encoding мустақилона татбиқ шудааст.

Аммо PDF-и асосӣ шумораи санҷишҳои Optuna, кадом гиперпараметрҳо дар кадом диапазонҳо ҷустуҷӯ шудаанд, кадом конфигуратсияи sampler/pruner истифода шудааст ё қимати random seed-и оптимизатсияро хабар намедиҳад. Аз ин рӯ, хонандае, ки мехоҳад ҳамон таҳқиқотро дар сатҳи бит такрор кунад, ҳамаи ин ҷузъиётро аз PDF-и асосӣ гирифта наметавонад.

Номуайянии дохили манбаъ дар бораи шумораи моделҳои базавӣ

Abstract, Discussion, Methods 4.5 ва бахшҳои Final features selection чор ном — CatBoost, ExtraTrees, Histogram Gradient Boosting ва XGBoost — медиҳанд. Дар муқобил, Methods 4.6 ибораи “five top-performing machine-learning regression models” ва Methods 4.8 ибораи “five optimized base regressors”-ро истифода мебарад. PDF-и асосӣ алгоритми панҷуми базавиро ошкоро ном намегирад. Аз ин рӯ, Verianla ба шакли “модели панҷум ҳамин аст” аз беруни манбаъ чизе пурра намекунад.

Дар Methods 4.8 инчунин ибораи “mordered (order-sensitive) feature representations” омадааст. Гарчанде контекст ишора мекунад, ки ин метавонад мушкили навишт вобаста ба Mordred бошад, азбаски манбаъ онро ошкоро ислоҳ накардааст, дар ин ҷо ислоҳи қатъӣ анҷом дода нашудааст.

Чаро GroupKFold Санҷиши Сахттари Умумисозӣ Аст?

GroupKFold дар ин таҳқиқот молекулаҳои дорои як scaffold-и асосии Bemis–Murcko-ро дар дохили ҳамон fold нигоҳ дошта, кӯшиш мекунад scaffold-ҳои монанд ҳамзамон дар қисмҳои омӯзиш ва валидатсия қарор нагиранд; бо ин роҳ, ба ҷойи он ки модел хешовандони хеле наздики сохториро аз ёд кунад ва самаранокии баланд нишон диҳад, қобилияти умумисозии он ба chemotype-ҳои асосие, ки қаблан надидааст, сахттар санҷида мешавад. Паёмади ин, чунон ки дар натиҷаҳои манбаъ низ дида мешавад, он аст, ки баъзе метрикаҳо нисбат ба Random Split ё RepeatedKFold метавонанд пасттар бошанд.

Bemis–Murcko scaffold чист?

Bemis–Murcko scaffold хулосаи сохториест, ки барои ифода кардани ҳалқаҳо ва скелети асосии пайвастагии молекула истифода мешавад. Муҳаққиқон бо RDKit scaffold-и ҳар пайвастагиро ҳисоб карда, намоишҳои scaffold SMILES-ро сохтаанд ва молекулаҳои дорои сохтори асосии якхеларо зери як шиносаи гурӯҳӣ ҷамъ овардаанд.

Сипас GroupKFold бо истифода аз ин тамғаҳои гурӯҳӣ пеши роҳи тақсим шудани як scaffold-ро ба fold-ҳои гуногун гирифтааст. Ин тарҳ махсусан дар маҷмӯаҳои додаҳое, ки монандии кимиёвӣ баланд аст, барои коҳиш додани ихроҷи омӯзиш-валидатсия равона шудааст.

Стратегияҳои дигари тақсим кардани додаҳо

Random Split намунаҳоро ба таври тасодуфӣ тақсим мекунад ва дар манбаъ пасттарин RMSE-и омӯзиширо додааст; аммо эҳтимол дорад молекулаҳои аз ҷиҳати сохторӣ хеле монанд ба тарафҳои муқобил тақсим шаванд.

RepeatedKFold раванди k-fold-ро бо тақсимоти гуногуни тасодуфӣ чанд маротиба такрор мекунад. Ҳадаф коҳиш додани вобастагӣ аз тасодуфияти як тақсимоти ягона мебошад.

ShuffleSplit додаҳоро такроран омехта карда, тақсимоти мустақили омӯзиш-тест месозад ва барои омӯхтани тағйирпазирии самаранокӣ дар сенарияҳои гуногуни интихобкунии намунаҳо кӯмак мекунад.

Усул Ва Натиҷаҳои Таҳқиқот

Ҷараёни техникии омӯзиши stacking-и панҷқабата

Додаҳои омӯзишӣ ба панҷ fold-и тақрибан баробар тақсим шудаанд. Дар ҳар давр чор fold модели базавиро омӯзонда, fold-и боқимонда барои тавлиди пешгӯӣ истифода шудааст. Пешгӯиҳои панҷ fold муттаҳид шуда, матритсаи out-of-fold meta-feature сохта шудааст. Бо ин роҳ ҳадаф он буд, ки пешгӯиҳое, ки мета-моделро меомӯзонанд, аз модели базавие биёянд, ки намунаи дахлдорро ҳангоми омӯзиш надидааст.

Пас аз анҷом ёфтани тавлиди meta-feature, моделҳои базавии оптимизатсияшуда дар тамоми маҷмӯаи омӯзишӣ аз нав омӯзонида шуда, барои маҷмӯаҳои мустақили берунии тестӣ пешгӯӣ тавлид кардаанд. Бо якҷо кардани ин пешгӯиҳои базавӣ матритсаи test meta-feature сохта шуда, пешгӯиҳои ниҳоии logS аз stacking meta-model гирифта шудаанд.

Самаранокии омӯзишӣ дар стратегияҳои гуногуни split

Random Split пасттарин RMSE-ро бо 0.911 медиҳад, дар ҳоле ки RepeatedKFold баландтарин қимати R²-ро бо 0.842 медиҳад. Дар GroupKFold R² то 0.782 паст шуда, RMSE то 0.985 боло меравад. Ин фарқ худ аз худ маънои онро надорад, ки GroupKFold “усули бад” аст; зеро он монандии сатҳи scaffold-ро ба fold-ҳои ҷудогона намегузаронад, масъалаи арзёбӣ душвортар мегардад.

Маҷмӯаҳои мустақили берунии тестӣ

Гарчанде номи маҷмӯаи додаҳои Klop120 “120”-ро дар бар мегирад, Table 2-и манбаъ дар ин арзёбӣ n=90-ро гузориш мекунад. Verianla аз рӯйи номи ҷадвал шумораи намунаҳоро ба 120 иваз накардааст.

RepeatedKFold дар Klop120, Yalk21, Boobier ва ҳар ду маҷмӯаи Llinas бо хатогиҳои пасттарин ё наздик ба беҳтарин натиҷаҳои қавӣ медиҳад. Дар Cui бошад Random Split бо R²=0.654 аз 0.618-и RepeatedKFold баландтар ва бо RMSE=0.522 пасттар аст. Аз ин рӯ, хулоса баровардан мумкин нест, ки як стратегияи split дар ҳамаи маҷмӯаҳои тестӣ ба таври яксон бартарӣ дорад.

MAE, MSE, RMSE Ва R² Чиро Нишон Медиҳанд?

MAE хатои миёнаи мутлақи пешгӯӣ, MSE миёнаи квадратҳои хатогиҳо, RMSE решаи квадратии MSE ва ба ин васила бузургие, ки хатогиро дубора ба миқёси logS-и тағйирёбандаи ҳадаф бармегардонад, ва R² миқдори тағйирпазирии logS-и мушоҳидашударо, ки модел шарҳ медиҳад, чен мекунанд. Барои MAE, MSE ва RMSE қимати хурдтар ва барои R² умуман қимати наздиктар ба 1 самаранокии беҳтарро нишон медиҳад, аммо як метрика тамоми сохтори хатои моделро шарҳ дода наметавонад.

Муодилаи 1: Хатои Миёнаи Мутлақ — MAE

\(\displaystyle MAE=\frac{1}{n}\sum_{i=1}^{n}|y_i-\hat{y}_i|\)

1. Формула чиро ҳисоб мекунад? Барои ҳар пайвастагӣ қимати мутлақи фарқи байни logS-и воқеӣ ва пешгӯии моделро гирифта, миёнаи онро дар тамоми намунаҳо ҳисоб мекунад.

2. Тағйирёбандаҳо кадомҳоянд? \(n\) шумораи умумии намунаҳо; \(y_i\) қимати таҷрибавӣ/мушоҳидашудаи ҳалшавандагии намунаи i-ум; \(\hat{y}_i\) пешгӯии модел барои ҳамон намуна мебошад.

3. Воҳид чист? MAE дар ҳамон миқёсе ифода мешавад, ки тағйирёбандаи ҳадаф дорад. Азбаски дар ин таҳқиқот ҳадаф logS аст, MAE низ дар миқёси ҳадафии logS мебошад. Азбаски PDF воҳиди хоми logS-ро алоҳида таъриф намекунад, воҳиди физикии иловагӣ ворид намешавад.

4. Нақши математикӣ чист? Қимати мутлақ намегузорад хатогиҳои мусбат ва манфии пешгӯӣ якдигарро бекор кунанд. Ба ҳар андозаи хато вазни хаттӣ медиҳад.

5. Маънои алгоритмӣ чист? Ба шакли мустақим ва хонданбоб хулоса мекунад, ки модел дар як намунаи маъмулӣ тақрибан чӣ қадар аз қимати таҷрибавӣ дур мешавад.

6. Дар кадом шарт эътибор дорад? Қиматҳои воқеӣ ва пешгӯишуда бояд дар як миқёси ҳадаф бошанд. Агар тақсимоти ҳадафии маҷмӯаҳои додаҳои гуногун фарқ кунад, танҳо бо MAE тамоми сифати умумисозиро шарҳ додан мумкин нест.

7. Чӣ гуна тафсир мешавад? MAE-и пасттар нишон медиҳад, ки дуршавии миёнаи мутлақи пешгӯӣ хурдтар аст; аммо шумораи ками хатогиҳои хеле калонро ба андозаи MSE сахт ҷазо намедиҳад.

Муодилаи 2: Хатои Миёнаи Квадратӣ — MSE

\(\displaystyle MSE=\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2\)

1. Формула чиро ҳисоб мекунад? Ҳар хатои пешгӯиро ба квадрат мебардорад ва миёнаи хатогиҳои квадратиро ҳисоб мекунад.

2. Тағйирёбандаҳо: \(n\), \(y_i\) ва \(\hat{y}_i\) маъноҳои худро аз муодилаи MAE нигоҳ медоранд.

3. Воҳид: Квадрати миқёси ҳадаф аст; аз ин рӯ MSE мисли MAE ё RMSE дар миқёси ҳадаф мустақим хонда намешавад.

4. Нақши математикӣ: Азбаски хато ба квадрат бардошта мешавад, дуршавиҳои калон нисбат ба дуршавиҳои хурд ба таври номутаносиб ҷазои бештар мегиранд.

5. Маънои алгоритмӣ: Дар масъалаҳое, ки хатогиҳои хеле калони пешгӯӣ номатлубанд, ин ченаки сифат ба дуршавиҳои калони модел ҳассос аст.

6. Шарт: Бузургии MSE аз миқёси тағйирёбандаи ҳадаф таъсир мегирад; вазифаҳои дорои миқёсҳои гуногун набояд мустақиман бо як қимати MSE муқоиса шаванд.

7. Тафсир: MSE-и пасттар беҳтар аст, аммо ба сабаби квадраткунӣ чанд қимати канории хатогӣ метавонад метрикаро сахт боло барад.

Муодилаи 3: Решаи Хатои Миёнаи Квадратӣ — RMSE

\(\displaystyle RMSE=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2}\)

1. Формула чиро ҳисоб мекунад? Решаи квадратии MSE-ро мегирад.

2. Тағйирёбандаҳо: \(n\), \(y_i\) ва \(\hat{y}_i\) ҳамон маъноҳои муодилаҳои қаблиро доранд.

3. Воҳид: Ба шарофати решаи квадратӣ ба миқёси тағйирёбандаи ҳадаф бармегардад; дар ин таҳқиқот дар миқёси ҳадафии logS тафсир мешавад.

4. Нақши математикӣ: Аввал хатогиҳои калонро бо квадраткунӣ таъкид мекунад ва баъд бо решаи квадратӣ натиҷаро дубора ба миқёси ҳадаф мебарад.

5. Маънои алгоритмӣ: Метрикаи хатоест, ки нисбат ба MAE ба хатогиҳои калони пешгӯӣ ҳассостар, аммо нисбат ба MSE мустақимтар хонда мешавад.

6. Шарт: Тақсимоти маҷмӯаи додаҳо ва қиматҳои канорӣ метавонанд ба RMSE таъсир расонанд; аз ин рӯ фарқияти RMSE дар external set-ҳои гуногун бояд якҷо бо фарқияти тақсимоти кимиёвӣ арзёбӣ шавад.

7. Тафсир: Коҳиш ёфтани RMSE умуман самаранокии беҳтари пешгӯиро нишон медиҳад. Масалан, барои Yalk21 RepeatedKFold RMSE=0.213 аст, дар ҳоле ки барои Llinas2020 Set2 1.302 мебошад; модел дар маҷмӯаи додаҳои дуюм хатои хеле бештар тавлид мекунад.

Муодилаи 4: Коэффисиенти Детерминатсия — R²

\(\displaystyle R^2=1-\frac{\sum_{i=1}^{n}(y_i-\hat{y}_i)^2}{\sum_{i=1}^{n}(y_i-\bar{y})^2}\)

1. Формула чиро ҳисоб мекунад? Хатои квадратии пешгӯии моделро бо маҷмӯи квадратии дуршавии қиматҳои мушоҳидашуда аз миёнаи худ муқоиса мекунад.

2. Тағйирёбандаҳо: \(y_i\) қимати воқеӣ, \(\hat{y}_i\) пешгӯӣ, \(\bar{y}\) миёнаи қиматҳои ҳадафии мушоҳидашуда ва \(n\) шумораи намунаҳо мебошанд.

3. Воҳид: Азбаски R² нисбати ду суммаи квадратӣ мебошад, беандоза аст.

4. Нақши математикӣ: Ҳар қадар residual sum of squares дар сурат хурд шавад, нисбат камтар шуда, R² ба 1 наздик мешавад.

5. Маънои алгоритмӣ: Хулосаи он аст, ки пешгӯиҳои модел то чӣ андоза тағйирпазирии logS-и мушоҳидашударо шарҳ медиҳанд.

6. Шарт: R² метавонад аз тақсимоти ҳадафии маҷмӯаи додаҳо таъсир гирад. Дар шароити диапазони танги ҳадаф ё distribution shift ҳамон RMSE метавонад рафтори гуногуни R² нишон диҳад.

7. Тафсир: R²=1 ба мувофиқати комил рост меояд. Наздик шудани R² ба сифр заиф шудани қувваи тавзеҳиро ва поён рафтани он аз сифр метавонад нишон диҳад, ки модел ҳатто аз пешгӯӣ бо қимати миёна бадтар амал мекунад. Ин таҳқиқот дар тестҳои беруна вобаста ба маҷмӯаи додаҳо қиматҳои хеле гуногуни R² гузориш медиҳад.

Муқоисаи MetaModel, SolPredictor ва GGAS2SN

Ин ҷадвал як нозукии муҳимро нишон медиҳад: MetaModel дар бисёр маҷмӯаҳои додаҳо қавӣ аст, аммо дар ҳамаи маҷмӯаҳо беҳтарин нест. Дар Cui, GGAS2SN ҳам MAE/RMSE-и пасттар ва ҳам R²-и баландтар медиҳад. Дар Llinas set2 низ қиматҳои MAE, RMSE ва R²-и GGAS2SN аз MetaModel беҳтаранд. Бинобар ин, сарфи назар аз тафсири умумии “robust”-и муаллифон, мундариҷаи ададии ҷадвали манбаъ нишон медиҳад, ки бартарии усул ба маҷмӯаи додаҳо вобаста аст.

Чаро Table 2 ва Table 3 рақамҳои якхела намедиҳанд?

Table 2 ҳамон stacking MetaModel-ро дар стратегияҳои гуногуни split муқоиса мекунад, дар ҳоле ки Table 3 MetaModel-ро бо SolPredictor ва GGAS2SN муқоиса менамояд. Дар маҷмӯаҳои додаҳои муштарак рақамҳо айнан якхела нестанд; масалан, барои Boobier дар Table 2 RepeatedKFold R²=0.919, вале дар Table 3 MetaModel R²=0.880 аст. PDF-и асосӣ конфигуратсияи дақиқи арзёбиро, ки фарқи самаранокии байни ин ҷадвалҳоро ба вуҷуд меорад, муфассал мувофиқ намекунад. Аз ин рӯ, Verianla ду ҷадвалро ҳамчун як ҷадвали ягонаи самаранокӣ муттаҳид накардааст.

Муқоисаҳои омории моделҳо

Муҳаққиқон барои хатогиҳои мутлақи пешгӯӣ дар сатҳи ҳар намуна Wilcoxon signed-rank test ва paired t-test-ҳоро истифода кардаанд. Дар маҷмӯаҳои додаҳои Boobier ва Cui бартарии MetaModel нисбат ба SolPredictor ҳамчун P<0.001 гузориш шудааст. Дар Boobier фарқи байни MetaModel ва GGAS2SN дар сатҳи P<0.05 аҳамияти оморӣ дорад. Дар Cui бошад байни MetaModel ва GGAS2SN P>0.05 буда, фарқи аз ҷиҳати оморӣ аҳамиятнок гузориш нашудааст.

Ин натиҷаҳои оморӣ бояд якҷо бо он хонда шаванд, ки дар Table 3 барои Cui GGAS2SN аз ҷиҳати ададӣ метрикаҳои каме беҳтар медиҳад: фарқи хурди метрика метавонад аз ҷиҳати оморӣ аҳамиятнок набошад. Бартарии ададӣ ва бартарие, ки аз ҷиҳати оморӣ нишон дода шудааст, як мафҳум нестанд.

Коррелятсияҳои Spearman ва Kendall

Манбаъ мегӯяд, ки барои такя накардан танҳо ба R² дар диапазони васеи динамикии logS, Spearman rank correlation coefficient (ρ) ва Kendall's Tau (τ) низ арзёбӣ шудаанд. Барои Klop120 Spearman ρ=0.97 ва барои Boobier ρ=0.95 ба таври равшан навишта шудаанд.

Бо вуҷуди ин, дар қисми марбут ба Yalk21 ва ρ=0.80-и баъдӣ дар ҷумлаи манбаъ нуқсони грамматикӣ/форматӣ вуҷуд дорад: сохтори “Yalk21 (ρ) ... (ρ = 0.80)” дақиқ намегӯяд, ки қимати 0.80 ба кадом маҷмӯаи додаҳо тааллуқ дорад. Дар матни асосӣ ҷадвали ададии қиматҳои Kendall τ низ нишон дода нашудааст. Аз ин рӯ, Verianla барои ρ=0.80 ё τ мутобиқати маҷмӯаи додаҳоро, ки дар манбаъ ошкор нест, эҷод намекунад.

Графикҳои Predicted vs experimental logS чиро нишон медиҳанд?

Figure 1-и манбаъ робитаи байни тамоюли таҷрибавии logS ва пешгӯиҳои MetaModel, SolPredictor ва GGAS2SN-ро дар маҷмӯаҳои додаҳои Boobier, Cui, Llinas set1 ва Klop120 муқоиса мекунад. Тибқи тафсири муаллифон, MetaModel махсусан дар минтақаи миёнаи тақрибан −4 то −2 logS ба тамоюли таҷрибавӣ наздик ҳаракат мекунад.

Дар канорҳои ҳалшавандагии хеле баланд ё хеле паст гуфта мешавад, ки каҷҳои пешгӯӣ тамоюли ҳамворшавӣ доранд. Ин метавонад нишон диҳад, ки модел ба тағйироти экстремалии ҳалшавандагӣ ба андозаи диапазони миёна ҳассос нест. Азбаски координатаҳои хоми binned-и Figure 1 дар шакли ҷадвал дода нашудаанд, Verianla графикро аз нав кашида, нуқтаҳои нави ададӣ тавлид намекунад.

Тақсимоти хато дар Figure 2 ва зиддияти ададии дохили манбаъ

Figure 2 хатогиҳои мутлақи пешгӯиро ба се фосила ҷудо мекунад: ≤0.5, 0.5<x≤1.0 ва >1.0. Дар тамғаҳои визуалӣ тақсимот барои Boobier тақрибан %69.35 / %22.58 / %8.06; барои Cui %72.63 / %14.74 / %12.63; барои Klop120 %72.22 / %21.11 / %6.67; ва барои Llinas set1 %60.61 / %19.19 / %20.2 ба назар мерасад.

Аммо шарҳи ҳамон шакл ҳиссаи хатои ≤0.5-ро барои Klop120 ҳамчун %77.22 менависад ва параграфи қаблии натиҷаҳо низ тақрибан %77 мегӯяд. Тамғаи визуалӣ бошад %72.22 аст. Ин номувофиқии дохили манбаъро ҳамчун додаи ҳалшуда пешниҳод кардан мумкин нест. Нуқтаи боэътимод ин аст, ки дар Klop120 гурӯҳи хатои паст бартарӣ дорад, дар ҳоле ки дар Llinas set1 гурӯҳи хатои >1.0 бештар аст.

Тақсимоти гурӯҳҳои функсионалӣ чиро нишон медиҳад?

Figure 5-и манбаъ бо нишон додани ҳампӯшии сохторҳои hydroxyl, ether, carbonyl, halogen ва aromatic кӯшиш мекунад гуногунии кимиёвии маҷмӯаи додаҳои омӯзиширо шарҳ диҳад. Шумораи зиёди сохторҳои aromatic нишон медиҳад, ки системаҳои ҳалқавии гидрофобӣ дар маҷмӯаи додаҳо маъмуланд; ҳамзамон дар як молекула якҷо пайдо шудани гурӯҳҳои функсионалии қутбӣ, аз ҷумла hydroxyl ва carbonyl, бо системаҳои aromatic нишон медиҳад, ки бисёр пайвастагиҳо ҳам хусусияти гидрофобӣ ва ҳам гидрофилӣ доранд.

Муаллифон баррасӣ мекунанд, ки гурӯҳҳои hydroxyl ва carbonyl метавонанд тавассути hydrogen bonding ё таъсирҳои dipole–dipole бо об ҳалшавандагиро дастгирӣ кунанд, дар ҳоле ки галогенҳо метавонанд липофилиро зиёд карда, ҳалшавандагиро кам кунанд. Ин шарҳҳо чорчӯбаи умумии механистие мебошанд, ки таркиби маҷмӯаи додаҳоро аз нигоҳи кимиёвӣ тафсир мекунанд; Figure 5 худ аз худ андозаи саҳми сабабии як гурӯҳи функсионалии муайянро ба ҳалшавандагӣ дар ин маҷмӯаи додаҳо чен намекунад.

Оё R²-И Баланд Маънои Эътимоднокии Моделро Дар Ҳар Фазои Кимиёвӣ Дорад?

Не. Дар ин таҳқиқот дар баъзе маҷмӯаҳои беруна, аз ҷумла Yalk21 ва Klop120, R² тақрибан ба 0.97-0.99 мерасад, дар ҳоле ки дар маҷмӯаҳои душвортар аз рӯйи тақсимот ё фазои кимиёвӣ, аз ҷумла Llinas ва Cui, R² ба таври назаррас паст мешавад; бинобар ин, R²-и баланд дар як маҷмӯаи мушаххаси арзёбӣ мувофиқати қавиро нишон медиҳад, аммо кафолат намедиҳад, ки дар ҳамаи chemotype-ҳои номаълум ҳамон дақиқӣ нигоҳ дошта мешавад. Пасттар будани натиҷаҳои GroupKFold ва хатогиҳои баланди маҷмӯаҳои Llinas низ тасдиқ мекунанд, ки тағйирёбии тақсимоти сохторӣ умумисозиро душвор мекунад.

Ҷиҳатҳои қавии таҳқиқот

Ҷиҳати қавии аввал ин аст, ки ба ҷойи маҷбур кардани молекула ба як encoding, binary fingerprints, descriptor-ҳои классикӣ ва embedding-ҳои омӯхташудаи Mol2Vec якҷо арзёбӣ мешаванд. Ин равиш имкон медиҳад намудҳои гуногуни намоиш якдигарро пурра кунанд.

Ҷиҳати қавии дуюм ин аст, ки 17 алгоритми гуногуни регрессия дар як тарҳи умумии арзёбӣ муқоиса шудаанд ва моделҳои қавӣ бо Optuna алоҳида оптимизатсия шудаанд.

Ҷиҳати қавии сеюм истифодаи тавлиди out-of-fold meta-feature барои stacking мебошад. Ин тарҳ барои коҳиш додани хавфе равона шудааст, ки мета-модел мустақиман аз пешгӯиҳои базавие ғизо гирад, ки намунаҳои омӯзишии худро дидаанд.

Ҷиҳати қавии чорум ин аст, ки танҳо ба як random split такя нашудааст; натиҷаҳои Random Split, RepeatedKFold, GroupKFold ва ShuffleSplit якҷо баррасӣ шудаанд.

Ҷиҳати қавии панҷум ин аст, ки модел дар коллексияҳои мустақили тестии берун аз соҳаи омӯзишии AqSolDB арзёбӣ ва бо моделҳои қаблӣ, аз ҷумла SolPredictor ва GGAS2SN, муқоиса шудааст.

Маҳдудиятҳои асосӣ

Маҳдудияти аввал сифати додаҳо мебошад. Азбаски AqSolDB ченкуниҳои таҷрибавии ҳалшавандагиро аз бисёр манбаъҳои адабиёт муттаҳид мекунад, он метавонад садо ва гетерогении аз шароити гуногуни лабораторӣ баромадаро дар бар гирад.

Маҳдудияти дуюм ин аст, ки намоиши descriptor-асос метавонад таъсирҳои мураккаби сеченака ё сохтории масофаи дурро пурра ифода карда натавонад. Муаллифони манбаъ барои таҳқиқоти оянда graph neural networks, embedding-ҳои молекулавии transformer-асос ва pretrained molecular encoders-ро пешниҳод мекунанд.

Маҳдудияти сеюм chemical domain shift мебошад. Дар маҷмӯаҳои додаҳои Llinas тақсимот бештар аз соҳаи омӯзишӣ дур мешавад ва хатогиҳои пешгӯӣ зиёд мешаванд.

Маҳдудияти чорум ин аст, ки пешгӯиҳои модел дар минтақаҳои экстремалии ҳалшавандагӣ метавонанд ҳамвор шаванд; манбаъ ин ҳолатро ҳамчун ҳассосияти пасттар ба тағйирот дар қиматҳои хеле баланд ё хеле пасти logS баррасӣ мекунад.

Маҳдудияти панҷум ин аст, ки PDF-и асосӣ баъзе ҷузъиёти такрорпазириро намедиҳад. Random seed, таҷҳизоти ҳисоббарории истифодашуда, шумораи санҷишҳои Optuna ва фазоҳои пурраи ҷустуҷӯи гиперпараметрҳо, алгоритми дақиқи stacking meta-learner ва ҳамаи гиперпараметрҳои final model дар матни асосӣ нестанд.

Маҳдудияти шашум номувофиқии дохили манбаъ дар шумораи моделҳои базавӣ мебошад: баъзе бахшҳои мақола чор ном медиҳанд, дар ҳоле ки баъзе параграфҳои Methods аз панҷ регрессори базавӣ сухан мегӯянд.

Маҳдудияти ҳафтум номувофиқии байни тамғаи графикӣ ва шарҳ/матни фоизи хатои пасти Klop120 дар Figure 2 мебошад.

Тафсирҳое, ки таҳқиқот дастгирӣ мекунад

• Муттаҳид кардани якчанд намоиши молекулавӣ ва моделҳои ensemble-и регрессия дар сохтори stacking метавонад дар пешгӯии ҳалшавандагӣ дар об самаранокии қавӣ таъмин кунад.
• Модел дар баъзе маҷмӯаҳои мустақили берунии додаҳо R²-и баланд ва хатои пасти пешгӯӣ нишон додааст.
• RepeatedKFold дар бисёр маҷмӯаҳои берунии додаҳо натиҷаҳои қавӣ ва устувор тавлид кардааст.
• GroupKFold-и scaffold-асос арзёбии сахттари умумисозии сохториро пешниҳод мекунад.
• MetaModel нисбат ба SolPredictor дар Boobier ва Cui хатои аз ҷиҳати оморӣ ба таври аҳамиятнок пасттар нишон додааст.
• Муваффақияти модел аз тақсимоти кимиёвии маҷмӯаи берунии додаҳо вобаста аст.
• Интихоби молекулавии encoding ва стратегияи тақсим кардани додаҳо бахшҳои муҳими арзёбии самаранокӣ мебошанд.

Тафсирҳое, ки таҳқиқот дастгирӣ намекунад

• Нишон дода нашудааст, ки MetaModel барои ҳамаи молекулаҳо ва ҳамаи маҷмӯаҳои додаҳо беҳтарин модел мебошад.
• Модел исбот намекунад, ки ченкунии таҷрибавии ҳалшавандагиро бе хато иваз мекунад.
• R²-и баланд дар ҳамаи фазоҳои кимиёвӣ як самаранокии умумисозиро кафолат намедиҳад.
• Таъсири сабабии як хусусияти муайяни descriptor ё fingerprint ба ҳалшавандагиро танҳо аз ин муқоисаи моделҳо баровардан мумкин нест.
• Наздикӣ дар графики t-SNE ченаки мустақими дақиқии модел ё сабабияти кимиёвӣ нест.
• Натиҷаи беҳтарини split дар Table 2 ва натиҷаи муқоисаи усулҳо дар Table 3-ро ҳамчун як таҷрибаи ягонаи самаранокӣ муттаҳид кардан мумкин нест.
• Модели панҷуми базавӣ, алгоритми meta-learner ё гиперпараметрҳои Optuna, ки дар манбаъ шарҳ нашудаанд, набояд бо тахмин пур карда шаванд.

Маънои амалӣ

Ин framework метавонад барои ба таври ҳисоббарорӣ тартиб додани номзадҳо дар китобхонаҳои калони молекулӣ пеш аз ворид шудан ба санҷиши таҷрибавӣ, пешгӯии хавфи номзадҳои дорои ҳалшавандагии паст дар кашфи аввали дору ва гузаронидани интихоби пешакӣ дар даври тарҳрезии молекулавӣ воситаи эҳтимолӣ бошад. Бо вуҷуди ин, муаллифони манбаъ низ пешниҳод мекунанд, ки таҳқиқоти оянда бо додаҳои бештари таҷрибавии ҳалшавандагӣ, graph neural networks, моделҳои transformer-асос ва pretrained molecular encoders васеъ карда шаванд.

Ёддошт Оид Ба Манбаъ Ва Усул

Унвони аслӣ: Integrating molecular descriptors and fingerprints via meta-learning for aqueous solubility prediction.

Муаллифон ва тартиб: Waqar Ahmad, Muhannad Dehni, Rida Arshad, Myunghum Park, Hilal Tayara, Ki-Duk Song.

Нишонаи саҳм: Article in Press PDF-и боршуда Waqar Ahmad, Muhannad Dehni ва Rida Arshad-ро бо нишонаи “+ Contributing author” нишон медиҳад. Азбаски манбаъ ибораи “equal contribution”-ро ошкоро истифода намекунад, саҳми баробар фарз карда нашудааст.

Муаллифони масъул: Myunghum Park, Hilal Tayara ва Ki-Duk Song.

Муассисаи 1 дар PDF: Department of Agricultural Convergence Technology, Jeonbuk National University, Jeonju, South Korea.

Муассисаи 2: Research and Development Center, TNT Research, Sejong, South Korea.

Муассисаи 3: Global Frontier College, Jeonbuk National University, Jeonju, South Korea.

Фарқи сабти расмии ҷорӣ: Саҳифаи ҷории дастрасии барвақтии Nature барои Ki-Duk Song инчунин аффилиатсияи International Agricultural Development and Cooperation Center, Jeonbuk National University-ро нишон медиҳад. Ин муассиса дар рӯйхати аффилиатсияҳои Article in Press PDF-и боршуда нест.

Маҷалла: Scientific Reports.

Платформа: Nature Portfolio / nature.com.

Навъи нашр: Article; accepted, peer-reviewed early-access / Article in Press версия.

Ҳолати preprint: Preprint нест. Ин таҳқиқоти баррасишуда аз ҷониби ҳамтоён мебошад, ки Scientific Reports онро қабул карда ва барои дастрасии барвақт нашр кардааст.

DOI: 10.1038/s41598-026-65722-y.

Санаи қабул шудан барои баррасӣ: 26 марти 2026.

Санаи қабул: 3 августи 2026.

Санаи расмии ҷории нашр: 19 августи 2026.

Ҳолати версияи final: Саҳифаи ҷории Nature мегӯяд, ки версияи мавҷуда accepted research early-access мебошад ва дар оянда ба таври худкор бо final Version of Record иваз мешавад.

Ҷилд / рақами final-и мақола: Азбаски дар сабти ҷории дастрасии барвақт ҷилд/рақами final-и библиографии мақола ҳанӯз ба таври дақиқ нишон дода нашудааст, аз беруни манбаъ қимате илова карда нашудааст.

Иҷозатнома: Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).

Натиҷаи визуалии иҷозатнома: Figure 1-6-и манбаъ мустақиман мутобиқ ё нусхабардорӣ нашудаанд. Inline SVG-и мақола мустақилона аз пайдарҳамии воқеии раванд, ки дар матни Methods тавсиф шудааст, сохта шудааст.

Маблағгузорӣ: Basic Science Research Program through the National Research Foundation of Korea, Ministry of Education, grant 2021R1I1A3057071; инчунин барномаи Regional Innovation System and Education (RISE), Jeonbuk RISE Center, Ministry of Education ва дастгирии Jeonbuk State, 2026-RISE-13-JBU.

Саҳми муаллифон: W.A., M.D. ва R.A. таҷрибаҳоро анҷом додаанд; M.P., H.T. ва K.D.S. натиҷаҳоро таҳлил кардаанд; ҳамаи муаллифон мақоларо баррасӣ кардаанд.

Дастрасии додаҳо: Гуфта шудааст, ки маҷмӯаҳои додаҳои истифода ва/ё таҳлилшуда метавонанд бо дархости асоснок аз corresponding author гирифта шаванд.

Баромади манфиатҳо: Муаллифон эълом мекунанд, ки competing financial interest вуҷуд надорад.

Манбаи асосии додаҳо: AqSolDB version 1.0; пас аз коркарди пешакӣ 9.982 пайвастагии беназири органикӣ.

Намоишҳои молекулавӣ: MACCS, 2D molecular descriptors, Mordred, Mol2Vec ва PubChem.

Оилаи модел: Муқоисаи 17 алгоритми регрессия, оптимизатсияи гиперпараметрҳо бо Optuna ва meta-learning-и stacking-асос.

Алгоритмҳои final-и базавӣ, ки ошкоро номбар шудаанд: CatBoost, ExtraTrees, Histogram Gradient Boosting ва XGBoost.

Номувофиқии шумораи моделҳо дар дохили манбаъ: Баъзе параграфҳои Methods ибораи “five” top-performing/base regressors-ро истифода мебаранд, дар ҳоле ки бахшҳои дигар танҳо номи чор алгоритмро медиҳанд. Алгоритми панҷум дар PDF-и асосӣ ошкор нест.

Номуайянии матнии дохили манбаъ: Дар Methods 4.8 ибораи “mordered (order-sensitive)” мавҷуд аст; манбаъ алоҳида шарҳ надодааст, ки ин ибора чӣ маъно дорад.

Номувофиқии Figure 2 дар дохили манбаъ: Барои Klop120 тамғаи диаграммаи даврашакли гурӯҳи хатои ≤0.5 %72.22 аст, дар ҳоле ки дар шарҳи шакл %77.22 ва дар матни натиҷаҳо тақрибан %77 гуфта шудааст.

Маҳдудияти rank-correlation: Барои Klop120 ρ=0.97 ва барои Boobier ρ=0.95 равшананд; ибораи боқимондаи ρ=0.80 ба кадом маҷмӯаи додаҳо тааллуқ дорад, аз сабаби нуқсони форматии ҷумлаи манбаъ муайян карда нашудааст. Дар матни асосӣ барои Kendall τ ҷадвали муфассали ададӣ дода намешавад.

Маҳдудияти такрорпазирӣ: PDF-и асосӣ exact random seed, шумораи Optuna trial ва search space-и муфассал, таҷҳизоти ҳисоббарорӣ ва алгоритми пурраи stacking meta-learner-ро гузориш намедиҳад.

Маҳдудияти асосии илмӣ: Таҳқиқот кори ҳисоббарории QSPR/омӯзиши мошинӣ барои пешгӯӣ мебошад. Баромадҳои модел ченкунии таҷрибавии ҳалшавандагӣ нестанд ва самаранокӣ дар соҳаҳои нави кимиёвӣ валидатсияи берунаро талаб мекунад.