药物相互作用预测的冷启动评估框架：L0–L5可审计部署声明

PLOS Computational Biology · 2026-11-10 · 期刊论文

• 一句话结论：该文为观点性文章，主张将冷启动评估视为可审计的部署声明，并给出按新颖性来源与范围划分的评估设置框架；其本身不提供新的实验数据，属方法学倡议而非疗效或性能结论。
• 研究设计与做法：文章类型为Perspective（观点/评论），非原始研究；未报告样本量、干预与对照或随访时长，材料未报告具体数据集与实验设计。
• 主要结果：作者将随机划分、实体不相交、结构层面、时间层面、领域不相交与多领域评估等设置按新颖性来源与范围归类，提出L0–L5框架，并用覆盖度、重叠度与距离量化训练—测试差异；未报告具体效应量、置信区间或p值。
• 机制或解释：作者解释为：随机划分或约束较弱的评估中，测试实例可能在分子结构、序列或网络背景上与训练样本相似，导致性能被高估，使内插被误读为外推。
• 局限与边界：作为观点文章，其主张未经系统性实证检验；框架的适用性与阈值设定材料未报告；作者利益冲突信息材料未报告。
• 可否落地：对科研的含义是提示DDI/DTI研究应报告泄漏控制、验证对齐、候选对构建与领域层面风险；对临床部署仅为「提示」级别的方法学建议，不足以下结论。

🔗 打开原文

本文摘自《每日前沿研究简报 · 2026-11-11》「PLOS Computational Biology」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。