化學特征將小分子的物理化學和結構性質編碼為數值描述符，構成化學比較和搜索算法的基礎。生物活性數據的日益豐富使化合物表征納入生物效應（如誘導的基因表達變化），但生物活性描述符常限于少數充分研究的分子。為解決這一問題，研究團隊實現了一組深度神經網絡，能夠利用實驗確定的與小分子相關的生物活性數據，推斷任何感興趣化合物缺失的生物活性特征。不同于靜態化學描述符，這些生物活性特征隨新數據和處理策略動態演變。本文介紹一種計算協議，用于修改或生成新型生物活性空間和特征，描述利用 Chemical Checker（CC；https://chemicalchecker.org/）中編目的現有知識，通過預定義數據管理流程整合多樣生物活性數據的主要步驟。研究通過四個具體示例說明協議功能，包括向現有生物活性空間中加入新化合物、在不改變基礎實驗數據的情況下改變數據預處理，以及從頭創建兩個新型生物活性空間（使用圖形處理單元計算在 9 小時內完成）�？傮w而言，該協議為在用戶提供的數據上安裝、測試和運行 CC 數據整合方法提供指南，將有限數量小分子的注釋擴展至更大化學領域，并生成新型生物活性特征。