在MoleculeNet BBBP（n=2039）上，动态随机森林结合特征取得最高平均AUC 0.970，而正交化后LogP与血脑屏障通透性的条件效应均不再显著
核心概要
该研究在MoleculeNet BBBP数据集（n=2039）上系统消融三类分子特征空间（Morgan指纹、RDKit理化描述符、SMILES二元组）并比较四种学习算法，发现动态随机森林使用组合特征取得最高平均AUC（0.970，95% CI：0.963-0.977），随后以LogP中位数分割构造伪处理并采用双重/去偏机器学习进行探索性异质性估计，结果显示正交化显著削弱了朴素因果森林检测到的异质性，经错误发现率校正后无任何条件效应显著（最小校正p=0.082），正交化后的特征重要性转向SMILES二元组中的残差结构信息。
Figure 1 : Overview of the SMILES-based permeability prediction pipeline.
arXiv深度剖析
预测性能同时取决于特征表示与算法，而非单一因素；动态随机森林在组合特征下达到最高平均AUC 0.970（95% CI：0.963-0.977）。 此前工作常将特征工程与模型选择分开讨论，本研究通过在同一数据集上系统消融三类特征族并跨四种算法比较，把二者作为耦合的设计选择来考察。 基于MoleculeNet BBBP数据集（n=2039）的系统消融实验，报告了均值AUC及95%置信区间，属于同一数据集内的受控比较。
以LogP中位数分割构造伪处理、并用双重/去偏机器学习控制混杂后，正交化大幅削弱了朴素因果森林检测到的异质性，错误发现率校正后无显著条件效应（最小校正p=0.082）。 该结果将因果森林的异质性估计置于正交化框架下重新检验，指出未正交化的因果森林可能高估真实的处理效应异质性。 探索性分析，采用双重/去偏机器学习进行正交化并施加错误发现率校正；作者据此表述为证据不足，而非确证无效应。
正交化后特征重要性发生转移，更多指向SMILES二元组中的残差结构信息。 这表明在控制观测混杂后，与LogP–BBB关联相关的信息更多来自结构残差而非LogP本身，为特征表示选择提供了新的经验线索。 基于正交化后特征重要性的描述性比较，属于探索性发现，未报告独立的验证队列。
启示与展望
该研究面向中枢神经系统药物发现中的血脑屏障通透性预测，适用于在MoleculeNet BBBP这类带标签的分子数据集上做特征表示与算法联合选择的场景，也适用于希望以广义随机森林探索分子结构与性质异质性关联的研究者。其流水线设计（先消融特征空间、再以双重/去偏机器学习做正交化异质性估计）可作为其他分子性质预测任务的参考模板。
异质性分析属探索性，错误发现率校正后无显著条件效应（最小校正p=0.082），因此结论应理解为在控制观测混杂后证据不足，而非证明不存在异质性。伪处理由LogP中位数分割构造，其解释依赖于该分割的合理性。正交化后特征重要性转向SMILES二元组残差结构信息这一发现尚未在独立数据上验证。此外，本文所载为摘要级文本，未包含图表与完整方法细节，具体实现与稳健性检验仍需查阅原文。