通过数据集成和一致性评估来增强分子性质预测.

科学领域:

• 计算化学是一种计算化学.
• 机器学习在药物发现中的作用
• 数据科学是数据科学.

背景情况:

• 机器学习模型面临来自数据异质性和分布失调的挑战,影响预测准确性.
• 在药物发现中,临床前安全模型特别容易受到影响,因为数据有限和实验约束.
• 现有的基准数据集表现出错位和不一致的注释,阻碍了可靠的模型开发.

研究的目的:

• 调查用于临床前安全建模的公共ADME数据集中的数据错位和不一致.
• 突出数据标准化的局限性和严格数据一致性评估 (DCA) 的必要性.
• 介绍AssayInspector,这是一个用于跨多种科学数据集系统化DCA的新工具.

主要方法:

• 分析公开的ADME数据集,以识别财产注释不一致性和分布错位.
• 开发了AssayInspector,这是一个模型不可知的软件包,用于DCA的统计和可视化.
• 测试检查员检测异常值,批量效应和差异的能力的评估.

主要成果:

• 在黄金标准和基准ADME数据集之间发现了显著的错位和不一致的属性注释.
• 数据标准化并没有持续改善预测性能,这凸显了对DCA预建模型的需求.
• AssayInspector有效地识别数据不一致,促进更可靠的模型培训.

结论:

• 严格的数据一致性评估对于在临床前安全和其他科学领域强大的机器学习至关重要.
• AssayInspector为DCA提供了一种系统的方法,提高了集成数据集的可靠性.
• DCA的原则适用于联合学习和跨领域的数据集成.