开源流程从ChEMBL批量构建数千个靶点特异性QSAR模型
- 研究提出一套免费公开的自动化流程，可将ChEMBL中的生物活性数据批量转化为针对特定靶点的QSAR模型，同时支持回归与分类，共产出两千多个模型。
- 化合物用ErG和RDKit描述符表示，采用经Optuna调参的树模型训练，类别不平衡通过过采样处理，数据按实验类型与测定方式分层划分。
- 只有达到预设质量阈值的模型才会被保留，并借助DELTA数据库做外部验证；流程还配有交互式可视化工具，便于查看描述符规律。
💡 要点 基于摘要的观点
批量生产模型很容易，让人信任它们却不容易。按实验类型与测定方式划分数据是合理的，但摘要里既没有与现有基线的比较，也没有前瞻性验证。在真实项目中采用之前，我想先弄清DELTA外部数据集与训练化学空间到底有多接近。