[论文解读] Accurate ADMET Prediction with XGBoost

Hao Tian, Rajas Ketkar+1 more|arXiv (Cornell University)|Apr 15, 2022

Computational Drug Discovery Methods被引用 4

一句话总结

本论文提出了一种基于XGBoost的ADMET预测方法，采用分子指纹和描述符的集成模型，在Therapeutics Data Commons（TDC）ADMET基准测试中达到最先进性能。该模型在22项任务中排名第一的有11项，在21项中位列前三，相关结果可通过公开的ADMETboost网页服务器（https://ai-druglab.smu.edu/admet）获取。

ABSTRACT

The absorption, distribution, metabolism, excretion, and toxicity (ADMET) properties are important in drug discovery as they define efficacy and safety. In this work, we applied an ensemble of features, including fingerprints and descriptors, and a tree-based machine learning model, extreme gradient boosting, for accurate ADMET prediction. Our model performs well in the Therapeutics Data Commons ADMET benchmark group. For 22 tasks, our model is ranked first in 18 tasks and top 3 in 21 tasks. The trained machine learning models are integrated in ADMETboost, a web server that is publicly available at https://ai-druglab.smu.edu/admet.

研究动机与目标

• 开发一种高精度的机器学习模型，用于预测药物发现中的ADMET性质。
• 通过使用统一的TDC基准，解决因数据集差异导致的模型评估不一致问题。
• 将多种分子特征——指纹和描述符——整合到单一稳健的预测模型中。
• 通过利用XGBoost的集成学习和特征选择能力，提升现有方法的预测性能。
• 提供一个公开可访问的网页服务器，使用训练好的模型实现快速ADMET预测。

提出的方法

• 该模型使用六种特征提取器的集成：MACCS、扩展连接性、Mol2Vec、PubChem、Mordred和RDKit指纹/描述符。
• 将分子SMILES转换为特征向量，通过这六种特征提取器捕捉结构和理化性质。
• 使用组合特征集对XGBoost进行训练，采用正则化目标函数以最小化过拟合。
• 目标函数结合损失项和正则化项Ω(f) = γT + (λ/2)Σω²，用于控制树的复杂度。
• 通过随机网格搜索交叉验证调整超参数，以优化性能。
• 利用SMU的高性能计算资源，将训练好的模型部署到网页服务器上。

实验结果

研究问题

• RQ1 多样化的分子指纹和描述符的集成能否提升ADMET预测的准确性？
• RQ2 在标准化的TDC ADMET基准上，XGBoost与其他机器学习模型相比表现如何？
• RQ3 哪些分子特征对ADMET预测性能的贡献最为显著？
• RQ4 单一统一模型能否在多种ADMET任务中均实现顶尖性能？
• RQ5 仅使用Mordred描述符时，XGBoost的性能与使用全部特征相比如何？

主要发现

• XGBoost模型在TDC基准的22项ADMET任务中，有11项排名第一。
• 该模型在22项任务中有21项位列前三，表现出一致的高性能。
• 在所有ADMET任务中，Mordred描述符是最重要的特征类型，其次为Mol2Vec和环状指纹。
• 仅使用Mordred描述符时，模型在三项任务（HIA、AqSol、PPBR）中表现优于全特征模型，但在代谢和排泄相关任务中表现较差。
• 网页服务器ADMETboost（托管于https://ai-druglab.smu.edu/admet）可在数秒内完成预测，并可视化展示2D和3D分子结构。
• 本研究证明，XGBoost能够有效从多样化的分子特征中学习，从而实现卓越的ADMET预测性能。