化合物の毒性を適時に評価することは、今日の製薬業界が直面している最大の課題の一つです。有望なリード化合物として特定された化合物の多くは、最終的に誘導される毒性のために廃棄されます。本論文では、ToxCastターゲットに対する分子活性予測のための新しい機械学習手法を提案します。我々は、QSAR物理分子特性記述子、PubChem分子フィンガープリント、およびSMILESシーケンスに基づいて訓練された完全結合型ニューラルネットワークとグラフ畳み込み型ニューラルネットワークアーキテクチャを組み合わせました。このアンサンブル予測器は各個別の手法の長所を活用し、ToxCastおよびTox21毒性予測データセットにおいて既存の最先端モデルを大幅に上回る性能を示しています。当社のモデルを使用した分子毒性予測への無料アクセスをhttp://www.owkin.com/toxicblendで提供しています。