公共生物活性数据库不仅在测量类型上存在异质性(其中结合亲和力和功能活性是在不同尺度上报告的),在药理学上也存在异质性:同一化合物和靶点可能包含激动剂、拮抗剂或抑制剂的记录,这些记录是通过结合置换、cAMP、β-环素或 [35S]GTPγS 读数进行测量的,这些读数量化了不同的生物事件。合并这些记录会产生输出与任何连贯的药理学主张脱节的模型。先前的工作已经实现了大规模的生物活性标准化,并量化了混合测量类型产生的噪声,但药理学机制和实验读数类别尚未被视为大规模数据整理的初级轴。本研究提出了一种可审计的、以OECD(经济合作与发展组织)为基准的框架,该框架在建模前按作用类型和实验读数对公共记录进行分层,从而将异质性数据转化为经外部验证的、可解释的QSAR(定量构效关系)任务,这些任务与现有的标准化资源相结合,而不是取代它们。该框架在四种阿片类受体(MOR、DOR、KOR和痛觉素/孤儿受体FQ (NOP))上进行了演示。四个公共来源被整合为72,148条合并记录和50,977个经过整理的测量值,涵盖了19,585种化合物,每个测量值都带有可审计的属性,包括来源一致性、终点含义、药理学类别、实验读数和信任层级。受体级别的结合任务形成了一个紧凑的基准测试,具有强大的锁定外部性能,包括KOR pK? (R2 = 0.79, n = 798)和DOR pK? (R2 = 0.77, n = 736)。按药理学和读数解析的功能终点产生了经外部验证的分层数据,这些数据可能会被合并后的标签所掩盖,其中包括一个MOR拮抗剂功能抑制终点 (R2 = 0.86, n = 110),以及DOR、KOR和MOR的激动剂活性终点 (R2最高达0.81)。与完全合并的基线进行比较表明,合并模型要么在连贯的终点上与分层模型相匹配,要么主要通过结合置换记录进行训练,从而在功能IC??终点上达到欺骗性的高R2值,这意味着合并后的数值预测的是亲和力而不是功能活性。SHAP归因分析表明,结合亲和力和功能活性编码了部分不同的构效关系信号。数据集契约(而不仅仅是模型性能)定义了QSAR主张的有效性和范围,分层是功能模型支持可辩护主张的先决条件。已发布了整理逻辑、衍生表格、冻结数据和可重复性工件。