XiaoMi-AI文件搜索系统
World File Search System大规模化
ADMET-AI：用于评估大规模化学库的机器学习 ADMET 平台
摘要：大型化学存储库和组合化学空间的出现，加上高通量对接和生成式 AI，极大地扩展了用于药物发现的小分子化学多样性。选择用于实验验证的化合物需要根据有利的药物特性（例如吸收、分布、代谢、排泄和毒性 (ADMET)）对这些分子进行筛选。我们开发了 ADMET-AI，这是一个机器学习平台，可作为网站和 Python 包提供快速准确的 ADMET 预测。ADMET-AI 在 TDC ADMET 基准组排行榜上的平均排名最高，它目前是速度最快的基于 Web 的 ADMET 预测器，与第二快的 ADMET Web 服务器相比，时间缩短了 45%。ADMET-AI 也可以在本地运行，预测一百万个分子仅需 3.1 小时。
大规模化学基因组适应度特征的比较
然而，由于 NIBR HIP 筛选包括删除必需和非必需基因的杂合菌株（如上所述），当我们将共享化合物的 HIP 和 HOP NIBR 数据集合并时，仍保留了 2725 个完整的 HIPHOP 筛选，涵盖 1771 种不同的化合物。然而，~56% 的 NIBR 筛选库（代表 596 种化合物）实际上可以被视为重复筛选，因为它们表现出与真实重复相当的相关性，即使它们是在不同浓度下筛选的。例如，当以不同的浓度筛选特定化合物时，我们会观察到这种“实际重复”，但抑制水平是可比的。支持这一观察的是，大多数这样的“重复”聚集在一起（~65%；如果至少有一对聚集在一起，则包括具有多个重复的重复）。鉴于这些实验注意事项，信息数据点