治疗学数据 Commons：面向药物发现与研发机器学习数据集与任务
机器学习
2021-08-31 v2 计算机与社会
生物大分子
定量方法
摘要
治疗学机器学习是一个新兴领域，拥有令人难以置信的创新与影响机遇。然而，该领域的进步需要有意义学习任务的构建以及数据集的精心整理。在此，我们介绍治疗学数据 Commons (Therapeutics Data Commons, TDC)，这是首个系统性访问和评估贯穿整个治疗学范围机器学习的统一平台。迄今，TDC包含66个AI就绪数据集，分布于22个学习任务，涵盖安全有效药物的发现与开发。TDC还提供了一个工具与社区资源生态系统，包括33个数据函数与有意义数据划分类型、23种系统性模型评估策略、17个分子生成预言机以及29个公开排行榜。所有资源均通过开放的Python库集成并可访问。我们在选定数据集上进行了广泛实验，表明即便是最强算法也远未解决关键治疗学挑战，包括真实数据集分布偏移、异构数据多尺度建模以及对新数据点的鲁棒泛化。我们设想TDC能够促进算法与科学进展，并显著加速机器学习模型的开发、验证及向生物医学与临床实施的转化。TDC是一项开放科学倡议，可在 https://tdcommons.ai 获取。
引用
@article{arxiv.2102.09548,
title = {Therapeutics Data Commons: Machine Learning Datasets and Tasks for Drug Discovery and Development},
author = {Kexin Huang and Tianfan Fu and Wenhao Gao and Yue Zhao and Yusuf Roohani and Jure Leskovec and Connor W. Coley and Cao Xiao and Jimeng Sun and Marinka Zitnik},
journal= {arXiv preprint arXiv:2102.09548},
year = {2021}
}
备注
Published at NeurIPS 2021 Datasets and Benchmarks