编辑推荐：
针对生物活性描述符常局限于少数分子的问题，研究人员开发深度神经网络，利用小分子相关实验生物活性数据推断缺失特征。本文呈现计算协议，可修改或生成生物活性空间与特征，扩展小分子注释，具重要意义。
化学特征将小分子的物理化学和结构性质编码为数值描述符，构成化学比较和搜索算法的基础。生物活性数据的日益丰富使化合物表征纳入生物效应（如诱导的基因表达变化），但生物活性描述符常限于少数充分研究的分子。为解决这一问题，研究团队实现了一组深度神经网络，能够利用实验确定的与小分子相关的生物活性数据，推断任何感兴趣化合物缺失的生物活性特征。不同于静态化学描述符，这些生物活性特征随新数据和处理策略动态演变。本文介绍一种计算协议，用于修改或生成新型生物活性空间和特征，描述利用 Chemical Checker（CC；
https://chemicalchecker.org/）中编目的现有知识，通过预定义数据管理流程整合多样生物活性数据的主要步骤。研究通过四个具体示例说明协议功能，包括向现有生物活性空间中加入新化合物、在不改变基础实验数据的情况下改变数据预处理，以及从头创建两个新型生物活性空间（使用图形处理单元计算在 9 小时内完成）。总体而言，该协议为在用户提供的数据上安装、测试和运行 CC 数据整合方法提供指南，将有限数量小分子的注释扩展至更大化学领域，并生成新型生物活性特征。
