摘要
在研究预测小分子效力的方法时，我们发现随机森林和支持向量机与扩展连接性指纹（ECFP）结合使用时，始终优于最近开发的方法。对回归算法和分子指纹的详细研究表明，梯度提升决策树（特别是CatBoost）与ECFP、Avalon和ErG指纹的组合以及200个分子性质相结合最为有效。加入图神经网络指纹进一步提高了性能。我们在22个治疗数据共享联盟（Therapeutics Data Commons）ADMET基准测试中成功验证了我们的模型。我们的研究结果强调了丰富的分子表示对于准确预测性质的重要性。