Prédiction précise des propriétés ADMET avec XGBoost

Les propriétés d'absorption, de distribution, de métabolisme, d'élimination et de toxicité (ADMET) sont cruciales dans la découverte de médicaments car elles déterminent l'efficacité et la sécurité. Dans cette étude, nous avons appliqué un ensemble de caractéristiques, incluant des empreintes digitales moléculaires et des descripteurs, ainsi qu'un modèle d'apprentissage automatique basé sur les arbres, l'Extreme Gradient Boosting (XGBoost), pour une prédiction précise des propriétés ADMET. Notre modèle se distingue favorablement dans le groupe de référence ADMET du Therapeutics Data Commons. Pour 22 tâches, notre modèle occupe la première place pour 18 tâches et figure parmi les trois premiers pour 21 tâches. Les modèles d'apprentissage automatique entraînés sont intégrés dans ADMETboost, un serveur web accessible au public à l'adresse https://ai-druglab.smu.edu/admet.