Ученые из Венского университета представили «MolCompass», предназначенный для повышения прозрачности и надежности моделей машинного обучения, используемых для оценки химических рисков. Традиционное тестирование фармацевтических и косметических препаратов на животных является дорогостоящим, этически проблематичным и зачастую неточным. В ответ на это проект Европейского союза RISK-HUNT3R продвигает методы тестирования без использования животных.
MolCompass представляет собой подробный анализ достоверности прогноза моделей машинного обучения, особенно в задачах бинарной классификации, таких как определение токсичности. Сергей Соснин, старший научный сотрудник Венского университета, объясняет, что MolCompass использует интерактивные графические инструменты для картирования химических соединений и визуализации областей, в которых модели склонны к ошибкам. Выделяя соединения, предсказанные с высокой степенью достоверности, но фактически давшие неверный результат, инструмент помогает исследователям выявить «слепые зоны» в химическом пространстве.
Инструмент был протестирован на модели связывания рецептора эстрогена и показал, что, хотя он хорошо работает с некоторыми соединениями, такими как стероиды, он испытывает трудности с другими, такими как небольшие нециклические химические вещества.