基于机器学习的第一份报告,使用不同的平衡策略对Caco-2透气性的多类分类

科学领域:

• 计算化学是一种计算化学.
• 药理动力学 药理动力学
• 机器学习在药物发现中的作用

背景情况:

• 在评估药物吸收和有效性时,Caco-2细胞的透性至关重要.
• 由于复杂的生物因素和数据限制,预测分子透性具有挑战性.
• 透性数据集中的类不平衡阻碍了准确的多类预测模型的开发.

研究的目的:

• 开发和评估基于机器学习的多类分类模型,用于预测Caco-2细胞的透性.
• 调查各种数据平衡策略对不平衡透性数据集模型性能的影响.
• 为了提高模型的解释性,使用SHAP分析来描述描述者的重要性.

主要方法:

• 使用机器学习算法开发多类分类模型.
• 应用过量抽样 (例如,ADASYN),不足抽样和混合平衡技术来解决类不平衡.
• 使用五倍交叉验证进行超参数优化.
• 在使用精度和马修斯相关系数 (MCC) 的测试集上评估模型性能.
• 为了模型的可解释性,SHAP (夏普利添加式解释) 分析.

主要成果:

• 经过ADASYN过量采样训练的XGBoost多类分类器在测试组中实现了最高的性能 (精度:0.717,MCC:0.512).
• 对极端透性类别的单独分类产生了强大的预测性能 (准确度:0.853,MCC:0.703).
• SHAP分析提供了对描述符的重要性的见解,提高了模型的解释性.

结论:

• 数据平衡策略对于提高机器学习模型在多类透性分类中的预测性能至关重要.
• 开发的模型为药物发现和开发中的药物透性评估提供了有价值的框架.
• 机器学习方法,结合适当的数据处理技术,可以有效地预测Caco-2细胞的分子透性.