La nouvelle science, en langage clair

Proceedings of the National Academy of Sciences  ·  5 octobre 2026  ·  Du numéro 47

Causality-integrated graph learning for multi-endpoint toxicity prediction

Un modèle utilisant des cartes chimiques de cause à effet prédit mieux les effets toxiques que les modèles basés uniquement sur la forme.

Haoyue Tan, Tong Bao et al.

Un nouveau modèle informatique prédit comment des substances chimiques peuvent nuire au corps en suivant des chaînes connues de cause à effet, pas seulement en regardant la forme d'une substance. Il construit une grande carte reliant des substances chimiques aux étapes biologiques qu'elles perturbent, en se concentrant sur les substances qui peuvent perturber les hormones. Dans les tests, ce modèle est resté plus précis que les anciens modèles de prédiction chimique les plus performants face à de nouvelles substances et de nouvelles situations.

Contrôle d'intégrité : réussi (3 contrôles) Vérifié le 6 octobre 2026. Lire la source

La lecture en langage clair de cette étude est dans le numéro complet, pour les abonnés.

Lire le numéro complet

Cinq études vérifiées, en langage clair, gratuitement, tous les deux jours

Cinq études en accès libre dans chaque numéro, environ 15 e-mails par mois. Pas de spam. Partez en un clic.

Également dans le numéro 47 15 études
Autres articles dans Proceedings of the National Academy of Sciences