摘要
吸收、分布、代谢、排泄和毒性（ADMET）特性在药物发现中至关重要，因为它们决定了药物的有效性和安全性。在本研究中，我们应用了包括指纹和描述符在内的多种特征组合，并采用了基于树的机器学习模型——极端梯度提升（Extreme Gradient Boosting），以实现准确的ADMET预测。我们的模型在治疗数据共享平台（Therapeutics Data Commons）的ADMET基准测试组中表现出色。在22项任务中，我们的模型有18项排名第一，21项进入前三。训练好的机器学习模型已集成到ADMETboost网络服务器中，该服务器公开访问地址为https://ai-druglab.smu.edu/admet。