2024年2月，《Journal of Applied Toxicology》期刊发表王颖教授课题组研究论文"ToxMPNN: A deep learning model for small molecule toxicity prediction”。硕士研究生周伊妮为第一作者，硕士研究生宁超为第二作者，王颖教授和刘中华教授为通讯作者。

机器学习在预测小分子毒性方面显示出了巨大的潜力。我们从先前的文献中收集了具有多个毒性终点的小分子，该数据集包括27个毒性终点。此外，基于上述数据集添加了一个二分类任务，还添加了上市药物作为负样本来平衡数据的类分布。

本研究提出了一种基于消息传递神经网络（MPNN）架构的毒性预测模型ToxMPNN。结果表明，ToxMPNN在捕获小分子毒性特征方面优于其他模型，实现了更精确的预测，该模型在Toxicity_drug测试集中的ROC_AUC得分为0.886。此外，将上市药物作为负样本不仅提升了模型对二分类任务的预测性能，还增强了模型预测的稳定性。因此，本研究提出的基于图的深度学习算法可以作为在新药研发过程中评估小分子毒性的一个可靠和有效的工具。