DPP联合预测完整研究构想与首轮预实验

联合学习能否改善可辨识的表观选择性？

iPADD 使用分子指纹与机器学习预测潜在抗糖尿病候选分子，为这一构想提供相关研究背景。这里将问题收窄到三靶点 IC50 与 ΔpIC50：显式保留删失信息、核验配对证据，再比较联合模型与独立随机森林。不是 iPADD 性能复现，也不表示导师团队已确定开展此具体课题。iPADD 原论文

所有模型，同一分区内使用相同测试行

以下点估计固定使用种子 20261025，非挑选最好种子或集成结果。效力 RMSE 单位为 pIC50；选择性 ΔMAE 单位为 ΔpIC50。二者衡量不同问题，不得互相替代。

骨架留出

该分区的效力结果：M1 · 精确值多任务、M2 · 删失感知多任务、M3 · 加表观配对约束 的 macro RMSE 高于随机森林（0.681），未显示效力优势。此结论不替代选择性评价。

来源家族留出

该分区的效力结果：M1 · 精确值多任务、M2 · 删失感知多任务、M3 · 加表观配对约束 的 macro RMSE 高于随机森林（1.279），未显示效力优势。此结论不替代选择性评价。

“表观配对”含预先批准的 partial-protocol 层，不等于严格协议一致。骨架测试没有合格 DPP4–DPP9 精确配对，因此双脱靶宏平均不可估计；来源测试每种配对只有 2 条，不能据此宣称泛化优势。

优化与方法预算

神经网络共 24 次拟合，0 次满足优化器收敛判据。未收敛记录不改称成功收敛；测试结果不触发主比较追加训练。

另有独立的训练集优化诊断：6 个检查点各追加最多 700 轮仍未收敛，未生成测试预测，也未替换上述主结果。它提示仍有优化余地，因此这里只能说固定预算下未获优势，不能断言多任务架构本身无效。

独立 RF：每靶点 200 棵树，叶节点候选 {1, 3}。多任务：32 维 tanh 隐层、3 输出、L2 候选 {0.0001, 0.001}、L-BFGS-B 最多 300 轮、3 个预定种子。M2 使用单侧删失损失；M3 再加入系数 0.25 的已核验表观面板配对约束。训练按化合物–靶点及靶点总权重平衡，不能据此消除实验异质性。

保留边界，也保留排除记录

原始记录 4,549 行，经质量、重复及结构过滤保留 3,883 行；拟合前再排除 137 行单位风险来源，以及 14 行原文数值/关系冲突或非独立借用参考记录，最终 3,732 行。原始输入保持不变。来源留出还排除跨来源共享身份；其训练、验证、测试分母不可与骨架留出直接混用。

上表为排除后的测量行数，不是独立化合物数或配对数；逐模型化合物数在结果详情中。删除上限/下限会损失证据，把界限当精确值则会引入伪精度。

这项原型能支持什么，不能支持什么

• 能够支持：可复现的数据筛选、协议审计、固定预算模型比较和失败案例定位。
• 不能支持：内在 Ki 选择性、患者级用药推荐、临床疗效、安全性或前瞻实验验证。
• 主要选择性终点覆盖有限：骨架留出缺少合格DPP9精确配对，来源留出仅两个化合物。表观面板精确配对极少；跨来源未知条件不能因为共同文献而升级。
• 10 倍选择性阈值仅为预定操作定义；不可解区间不标记为阴性。删失一致性不是精确效力准确率。
• 未实现校准的个体预测区间。这里的区间仅是评价指标重采样；固定测试集的化合物/骨架/来源簇 bootstrap 不包括分区选择、模型选择或未解决实验偏倚；小样本区间不是稳健泛化证据。
• 未来方案（尚未执行）：最有价值的后续工作是补齐原文协议与单位映射、扩大独立可比面板，再考虑新增模型复杂度。

正式文件与可复核结果

本页与原导师沟通网页同站整合；当前复算源码为 DPP-SelectLab，包含代码、压缩输入数据与运行说明；不附预训练模型，安装依赖后在运行时现场训练并生成结果与记录，不含外部论文 PDF、患者数据或其他项目资料。网页无需外部依赖即可阅读；外部文献链接仅在主动点击时打开。