薬物探索において、吸収、分布、代謝、排泄、毒性（ADMET）の特性は効果と安全性を定義する上で重要です。本研究では、フィンガープリントや記述子などの特徴量の集合体と、極端勾配ブースティング（Extreme Gradient Boosting）という木ベースの機械学習モデルを用いて、正確なADMET予測を行いました。当社のモデルはTherapeutics Data Commons ADMETベンチマークグループで優れた性能を示しており、22つのタスク中18タスクで1位、21タスクで上位3位にランクされています。訓練された機械学習モデルは、公開ウェブサーバーADMETboostに統合されており、https://ai-druglab.smu.edu/admet からアクセスできます。