致突变性预测：QSAR + read-across + 深度学习的可解释流水线（Enalos 云平台）
目标：以 Ames 试验（细菌基因突变）数据构建非动物替代方法（NAM），支撑"安全可持续设计（SSbD）"化学品，在早期识别潜在危害物；数据做了立体特异性整理。 融合：三模型多数投票，外部验证准确率 83%，可降低单一模型偏置。 可解释性：用 XAI 解释关键描述符，为致突变机
微信小程序
微信扫一扫体验
投稿
微信公众账号
微信扫一扫加关注
顶部
目标：以 Ames 试验（细菌基因突变）数据构建非动物替代方法（NAM），支撑"安全可持续设计（SSbD）"化学品，在早期识别潜在危害物；数据做了立体特异性整理。 融合：三模型多数投票，外部验证准确率 83%，可降低单一模型偏置。 可解释性：用 XAI 解释关键描述符，为致突变机