SMILESGNN 发布：通过 SMILES 图交叉注意力融合实现可解释的临床毒性预测

一句话结论

arXiv 最新论文提出 SMILESGNN 模型，利用交叉注意力融合序列与图结构，在保持预测性能的同时实现药物毒性预测的可解释性。

关键要点

• 论文提出 SMILESGNN 架构，将 SMILES Transformer 编码器与 GATv2 图编码器通过交叉注意力机制融合。
• 模型仅含 0.4M 参数，在 ClinTox 数据集上达到 AUC-ROC 0.987 和 F1 分数 0.906 的高性能。
• 引入 SMILESGNN-PT 变体，采用 ChemBERTa-2 预训练骨干网络，在 Tox21 12 个任务中平均 AUC-ROC 为 0.750。
• 该设计保留显式图分支，支持基于 GNNExplainer 的子结构分析，满足临床对预测可解释性的需求。

背景与事实

药物毒性预测对于降低药物研发后期失败率至关重要，但由于严重的类别不平衡、基于骨架的泛化难题以及临床对可解释预测的需求，这一领域仍具有挑战性。单一模态方法如 SMILES Transformer 或图神经网络虽能捕捉分子结构的互补方面，但仅序列模型无法直接提供带图属性的解释。2026 年 9 月 23 日，arXiv cs.LG 分类下提交了题为“SMILESGNN: Interpretable Clinical Toxicity Prediction via SMILES-Graph Cross-Attention Fusion”的论文。该研究由 Nghia Nguyen Trong 等人提出，旨在解决上述痛点。

研究团队开发了 SMILESGNN 多模态架构，核心创新在于通过交叉注意力机制融合 SMILES Transformer 编码器与 GATv2 图编码器。此外，还推出了 SMILESGNN-PT 变体，该版本使用 ChemBERTa-2 预训练骨干网络以进一步提升性能。架构设计的关键在于保留了预测管道中的显式图分支，这使得支持基于 GNNExplainer 的分析成为可能，能够具体关联与毒性预测相关的子结构，从而满足临床场景下的可解释性要求。

实验结果展示了该模型的竞争力。在 ClinTox 数据集上，SMILESGNN 在仅使用 0.4M 参数的情况下，实现了 AUC-ROC 0.987 和 F1 0.906 的优异表现，其性能与强大的 SMILES Transformer 以及更大规模的 ChemBERTa-2/GATv2 拼接融合基线模型相当。在包含 12 个任务的 Tox21 数据集上，使用预训练骨干的 SMILESGNN-PT 获得了 0.750 的平均 AUC-ROC，这一结果与单独使用 ChemBERTa-2 及相同骨干的拼接融合基线保持可比性。整体结果表明，交叉注意力作为一种实用的融合替代方案，能够在保持具有竞争力的预测性能的同时，支持基于图的可解释性分析。

影响分析

对于中文开发者及生物医药领域的从业者而言，SMILESGNN 提供了一种轻量级且可解释的毒性预测方案。其显著优势在于参数规模仅为 0.4M，这意味着在计算资源有限的场景下也能高效部署，降低了模型落地门槛。此外，内置的图分支支持 GNNExplainer 分析，使得研究人员不仅能获得预测结果，还能追溯具体的毒性子结构，这对于药物设计中的安全性评估具有重要实际价值。这一架构将序列模型与图神经网络的互补优势通过交叉注意力结合，为多模态分子表示学习提供了新的技术范式，值得在相关领域进行进一步验证与应用探索。

适用边界

需要注意的是，该模型主要在 ClinTox 和 Tox21 等基准数据集上进行评估，其性能在特定临床毒性任务上表现良好，但不一定直接适用于所有药物属性预测场景。此外，虽然交叉注意力融合了两种模态，但模型仍依赖预训练骨干或特定编码器，在数据极度匮乏或全新分子骨架场景下，泛化能力可能受限。其可解释性基于图分支，若分子结构无法有效转化为图表示，解释效果可能会打折扣。

孤本观察

编辑认为，SMILESGNN 在轻量化与可解释性之间取得的平衡，暗示了未来分子 AI 模型设计可能倾向于更紧凑的多模态融合架构，而非单纯追求参数规模的堆砌。这种趋势有助于解决深度学习在临床应用中“黑箱”质疑的问题。

来源：arXiv cs.LG