面向知识发现的药物ADMET情报预测方法

【目的/意义】挖掘药物筛选工作中的隐性知识，借助机器学习的预测能力替代生物实验方法，减少制药流程的研发时间和经济成本。【方法/过程】提出一种面向知识发现的ADMET情报预测理论框架，以4种传统机器学习方法和2种集成学习方法，分别构建6种分类预测模型，提取药物的隐性知识，比较不同模型的优越性，评估最优模型的经济价值。【结果/结论】以药物分子描述符信息预测ADMET具有可行性，6种模型性能表现综合排序结果为随机森林、梯度提升决策树、Logistic回归、支持向量机、K近邻、高斯朴素贝叶斯。前沿信息技术能够有效应用于药物知识发现，信息经济学分析可预见创造可观收益，是未来制药工艺降本增效的重要手段。【创新/局限】未来应融合专家知识、追加试验验证、丰富参考指标。