通过分子指纹组合进行 ADMET 性质预测
生物大分子
2023-10-03 v1 机器学习
摘要
在研究预测小分子效价的方法时，我们发现随机森林或支持向量机配合扩展连通性指纹（ECFP）始终优于近期开发的方法。对回归算法与分子指纹的详细调研揭示，梯度提升决策树（尤其是 CatBoost）结合 ECFP、Avalon 与 ErG 指纹以及 200 个分子性质的方案最为有效。引入图神经网络指纹进一步提升了性能。我们在 22 个 Therapeutics Data Commons ADMET 基准上成功验证了我们的模型。我们的发现强调了更丰富的分子表示对于准确性质预测的重要性。
引用
@article{arxiv.2310.00174,
title = {ADMET property prediction through combinations of molecular fingerprints},
author = {James H. Notwell and Michael W. Wood},
journal= {arXiv preprint arXiv:2310.00174},
year = {2023}
}
备注
4 pages, 1 figure