MoCoP v2：用深度形态特征改进分子表征预训练

基于图像的分析技术的最新进展使得能够收集大量细胞形态数据，从而允许新的分子嵌入模型从细胞中分子的实验表型扰动中学习。此前，我们开发了分子形态对比预训练 (MoCoP)，这是一种将小分子嵌入与通过 CellProfiler 提取的形态指纹对齐的策略。由此产生的分子表示显示出定量构效关系（QSAR）预测任务的可转移性能。在这里，我们通过使用基于深度学习的细胞图像编码管道来扩展该方法，以提取更多特征丰富的形态特征，并通过对比学习将它们与分子嵌入对齐。新的嵌入编码了有关分子如何扰乱细胞形态的更准确信息，并通过固定嵌入线性探针或完全灵活的微调来改进 QSAR 预测。形态学检索性能随训练数据大小呈对数线性扩展，这表明随着更大的数据集可用，形态学检索性能将持续改进。与训练期间同时使用细胞形态和转录组数据的现有分子嵌入模型相比，改进的 MoCoP v2 在毒性预测以及 ADME 和活性基准的竞争结果方面也取得了优异的性能。