Smiles2Class 直接从 SMILES 预测化合物所属的分子类别；一个结构可以同时属于多个类别。

输入与输出

• 输入：一条 SMILES。
• 输出：426 个类别各自的存在概率。每类是独立的二分类判断，不是互斥的单一归属。

类别体系

426 个类别取自 HMDB 的 Alternative Parents 注释，均为 ClassyFire 术语。类别词表及其顺序与模型固定绑定，因此输出第 k 列始终对应同一类别。

模型

• 主模型：15 层、512 维的 Uni-Mol 风格编码器，接 3 层 Transformer 解码器（426 个类别查询）；每个查询投影为“存在/不存在”的二分类 softmax。
• 所用编码器为 UniMol-Lite，即 Uni-Mol 架构的轻量实现（MIT 许可）。
• 另一种实现：在冻结的 512 维嵌入上，为每个类别训练一个 AutoGluon 二分类器。

训练与评估

训练 / 验证 / 测试划分为 86,685 / 28,935 / 28,935 个分子，按类别划分。每个类别作为独立的 one-vs-rest 问题评估：AUROC 与平均精度用连续分数计算；精确率、召回率、F1 与平衡准确率按 0.5 阈值计算。

与 NPClassifier 的比较

两套工具使用不同的类别体系（这里为 ClassyFire 术语，NPClassifier 为天然产物分类），共有 22 个同名类别；因此比较只针对这 22 类，并在 28,935 个分子的共同队列上进行。NPClassifier 只有 V1 可公开分发，且其分数与概率尺度不同，故按其遗留阈值 1×10⁻⁷ 报告——这是 V1 可用的最有利设定。

使用位置

• 网页平台：AI Tools 模块。
• 代码：smiles2class（MIT 许可）。