bioRxiv 预印本· Badkul, A., Cai, L., Kim, M., Wang, J., Xie, L. ·· 1 天前AI 评分22
PK-MUSE：混合机制-神经网络建模浓度-时间动态，跨未见化学空间泛化人体药代动力学预测
Hybrid Mechanistic-Neural Modeling of Concentration-Time Dynamics Generalizes Human Pharmacokinetics Prediction Across Unseen Chemical Space
AI 导读
研究者提出混合机制-神经网络模型 PK-MUSE，在二室模型上加入有界、状态与时间依赖的神经校正项，用于预测人体药代动力学。在骨架与时间双重分布外评估中，PK-MUSE 的平均暴露终点 MdFE 最低，较 HML-RF、DeepCt 和 PK-Sim 分别降低 7.2%、45.2% 和 26.2%。校正项分析显示，模型误差主要定位于分布过程而非消除过程。
来源：bioRxiv 预印本 · biorxiv.org