用HADES做药物性肝损伤的可解释假设驱动预测

药物性肝损伤（DILI）仍是晚期临床试验折损的主因。但现有计算预测器主要依赖二分类，这一框定限制泛化，也无法提供指导转化决策的机理洞见。我们主张DILI预测更适合被框定为可解释的假设生成问题。为此我们引入DILER Benchmark：在精选分子集上增补来自生物医学文献的机理肝毒性假设，把数据集扩展到二分类标签之外。我们进一步提出HADES，一个旨在生成透明可审计推理链的智能体系统：结合分子级预测、代谢物分解、结构理解与毒性通路证据，HADES以机理方式评估DILI风险。在DILER Benchmark上，HADES在二分类上超越现有模型：测试集ROC-AUC 0.68、更具挑战的Post-2021集0.59，对比DILI-Predictor的0.63与0.50。更重要的是，我们建立了机理假设生成的基线：HADES的假设对齐模糊Jaccard指数为0.16。这一结果既凸显任务的内在复杂性，也凸显预测毒理学对先进可解释方法的需求。