首个金属配合物亲脂性大型数据集，为机器学习预测建立基准
- MetalLipoDB整理了数千条文献中的log P/log D实测值，涵盖23种金属的配合物（含多核和异金属配合物），并记录测量条件与抗衡离子。
- 同一化合物在不同研究间的测量值存在明显差异，这为建模设定了噪声下限。
- 针对未见文献配合物的回顾性基准显示误差中等；用同一系列中少量实测值校准预测可改善其余化合物的结果。数据、代码和网页应用已开放。
💡 要点 基于摘要的观点
最值得关注的是同一化合物在不同研究间的差异：测定方法、pH、离子强度和抗衡离子的不同，足以淹没模型的改进幅度。按文献划分数据是合理的防泄漏做法，但文中未报告合成并实测的前瞻性验证。系列校准可以直接上手：先测两三个类似物，再用来给其余化合物排序。
📄 原论文 · Journal of Chemical Information and Modeling (ACS) ↗ Beyond Organic Molecules: MetalLipoDB, a Lipophilicity Data Set for Metal Complexes and Machine Learning Benchmarks