ADMET-AI 多任务药物性质预测
用分子图与理化特征预测 ADMET 指标，并以已批准药物预测值提供参照。
用途与模型
- 研究用途
- 候选分子 ADMET 参数初筛与数据驱动排序。
- 模型与细胞来源
- Chemprop 图神经网络与 200 个 RDKit 特征；两套多任务模型分别覆盖回归与分类。
- 方法版本
- 2024 年 Chemprop-RDKit 与 TDC 数据版本
- 实验形式
- 网页或本地 Python 推理；同一组模型用于输入分子的多指标预测。
材料与平台
- 公开数据
- TDC v0.4.1 的 41 个 ADMET 数据集，10 个回归及 31 个分类。
- 软件与参照
- Chemprop v1.6.1、RDKit v2023.3.3；DrugBank v5.1.10 的 2579 个已批准药物用于预测分位参照。
测量指标与分析
- ADMET 回归与分类预测
- 测试集 R²/AUROC
- 参照药物预测分位
每数据集训练 5 组划分并集成推理；按 22 数据集排行榜和 41 数据集分别报告模型表现。
研究设计与结果
训练集与交叉验证
- 研究设计
- 单任务/多任务比较及公开 TDC 基准；另比较工具推理速度。
- 测试范围
- 41 个属性数据集，22 项参与该版本排行榜；DrugBank 参照是模型预测值，未作为 2579 药物实测验证。
- 参照体系
- 同一公开基准中的其他模型、单任务与多任务；性能与速度分别评价。
- 研究结果
- 该论文版本在 22 项基准上的平均排名领先；10 个回归中 5 项 R²>0.6，31 个分类中 20 项 AUROC>0.85。
适用条件与研究局限
- 结果绑定本论文数据版本和划分；平均排名不能替代每一终点的适用范围。
- 预测分位为模型间接参照，不登记为临床药物安全阈值。
来源与原文
- ADMET-AI: a machine learning ADMET platform for evaluation of large-scale chemical libraries原始研究 · Bioinformatics · 2024-06-24