WelQrate:定义小分子药物发现基准测试中的黄金标准

科学领域:

• 计算化学是一种计算化学.
• 人工智能在药物发现中的作用
• 生物信息学是一种生物信息学.

背景情况:

• 深度学习显著影响了计算机辅助药物发现,但缺乏标准化的评估实践.
• 目前人工智能在药物发现方面的努力受到不充分的基准测试的阻碍,减缓了现实世界的应用和创新转移.

研究的目的:

• 推出WelQrate,这是一个新的黄金标准,用于对比小分子药物发现.
• 解决在人工智能驱动的药物发现中需要一个健全的模型评估框架的需求.

主要方法:

• 开发了WelQrate,这是5个治疗目标类别的9个数据集的策划集合,使用专家设计的层次策划管道和域驱动的预处理 (例如,泛分析干扰化合物过).
• 提出了一个标准化的模型评估框架,包括高质量的数据集,特色化,3D整合生成,指标和数据分割,用于可靠的虚拟查基准测试.
• 使用WelQrate集合进行了基准测试实验,以评估模型性能,数据集质量,特色化和数据分割影响.

主要成果:

• 通过严格的策划和预处理,WelQrate数据集收集确保了高质量的数据.
• 标准化框架为评估药物发现中的AI模型提供了一种可靠的方法.
• 基准测试揭示了不同模型,数据质量,特色化和分割策略对性能的影响.

结论:

• 建议WelQrate作为小分子药物发现基准测试的新黄金标准.
• 强调AI在药物发现中的标准化评估框架的重要性.
• WelQrate 数据集,策划代码和脚本是公开可用的,以促进可复制的研究.