生信论文解读-Accurate prediction of molecular properties and drug targets using a self-supervised image...

药物的临床效率以及安全性由它的分子性质和靶点来决定

ImageMol framework --- pretrain chemical representations.从没有标记的分子图像里预训练化学表示

分子表示学习：

一维：simplified molecular-input line-entry system (SMILES)、International Chemical Identifier (InChI)

二维：two-dimensional (2D) graphs

三维：Image

如题目所表达的，ImageMol实现了两件事：

1. accurate prediction of molecular properties. 预测分子特性（药物的代谢、脑滲透、毒性）

2. accurate prediction of drug targets. 预测分子靶标（分泌酶、激酶）

并提出两个重要improvements：

1. 它利用分子图像作为特征表示的组合，提高准确率以及降低计算成本

2.探索了一个无监督预训练学习框架来捕获分子图像的结构信息---从人类蛋白质组一千万有多样生物活性的drug-like化合物中

做这件事的motivation是：

The increasing cost of drug development resulted from lack of efficacy of the randomized controlled trials, and the unknown pharmacokinetics and safety profiles of candidate compounds. 缺乏有效的随机对照试验，以及对药代学与安全性未知-- 导致--药物开发成本增加

缺乏药物相关知识背景，这里找gpt解释一下什么是药代动力学（Pharmacokinetics,PK)：