研擬分子指紋應用背景
在新藥研發流程中，快速預測化合物的腦部血液屏障（BBBP）穿透性，是降低臨床失敗率的關鍵步驟之一。傳統原子為中心的指紋（如 ECFP）在多種任務中表現優異，卻容易遺漏鍵位資訊。近期發表於 arXiv:2510.04837v1 的 Bond-Centered FingerPrint (BCFP) 研究，提出靜態 BCFP 描述子，模擬 ChemProp 等定向訊息傳遞圖神經網路（GNN）中的鍵卷積機制，並以快速 Random Forest 作為基準模型，在 BBBP 分類任務上驗證其實用價值。
BCFP 靜態指紋架構
BCFP 以鍵（bond）為中心，採用類似於 ECFP 的遞歸半徑 (radius) 擴展策略，但聚焦於化學鍵的局部環境特徵。具體而言，研究團隊定義了 r=1、r=2 兩種半徑，下探鍵端原子層級結構，將鍵的連續拓撲資訊以哈希向量形式編碼。靜態 BCFP 的生成不依賴於模型訓練參數，完全可重現，並能透過特徵哈希（Feature Hashing）控制向量維度，在 2,048 維度或更低維空間內保有足夠辨識度。
結合 ECFP 的互補優勢
在 Stratified Cross-Validation 中，實驗採用 5 折分割，分別評估單獨 ECFP、單獨 BCFP 與二者串接後的表現。結果顯示：將 ECFP 與 BCFP 連接（concatenate）後，不論在 AUROC（平均提升約 1.5%）或 AUPRC（平均提升約 2.0%）上，皆顯著優於單一描述子。以 Turkey HSD 多重比較檢定確認，r=1 下的 BCFP+ECFP 組合效果最佳，且在 95% 信賴區間內與 r=2 無顯著差異，但比單獨指紋更具穩定度與泛化能力。
BCFP-Sort&Slice 特徵組合
為了保留 ECFP 計數向量（count vector）的 OOV（out-of-vocabulary）資訊，作者提出 BCFP-Sort&Slice 機制：先將 BCFP 向量按照頻次由高到低排序，再切割（Slice）取前 k 個最重要的哈希索引，並與原始 ECFP 計數向量無縫拼接。此方法兼具資料完整性與向量維度優化，減少記憶體占用與運算成本，同時保持分類模型對稀有結構的辨識敏銳度。
BBBP 分類任務實測結果
在公開 BBBP 資料集上，研究採用快速 RF 分類器，以 100 棵樹、log2 最大深度為實驗基準。BCFP+ECFP 組合一舉超越先前 MGTP 預測成績，平均 AUROC 達 0.92、AUPRC 達 0.87，較 MGTP 提升約 0.04 點。Benchmark 效能測試顯示，每次預測耗時僅 5 毫秒，較 GNN 模型快上 10 倍以上，有效兼顧準確度與計算效率，成為快速篩選候選化合物的輕量級 baseline。
實踐建議與未來展望
對於研發團隊而言，BCFP 與 ECFP 的組合方案，可在現有產線中無痛接入：步驟一，以 RDKit 計算 ECFP；步驟二，執行靜態 BCFP 哈希；步驟三，採用 BCFP-Sort&Slice 降維拼接；步驟四，在 RF、XGBoost 等模型上快速訓練。隨著生成式 AI 與超大語言模型（LLM）在化學結構生成上的應用崛起，輕量級指紋描述子將成為即時篩選與安全評估的關鍵利器。本文提供了從架構設計、效能調校到 DevOps 部署的實戰守則，協助工程師在 BBBP 任務上一鍵完成端到端流程優化。邀請您加入行動，前往 https://www.okx.com/join?channelId=42974376 ，掌握更多技術洞見與最新動態！
