基于图注意力网络的药物ADMET分类预测模型构建方法

摘要

【目的】对药物的吸收、分布、代谢、排泄、毒性(Absorption,Distribution,Metabolism,Excretion,Toxicity,ADMET)中的代谢、毒性属性进行建模,用于虚拟筛选中的药物性质评价。【方法】提出一种图注意力网络构建药物ADMET预测模型,基于开放数据库和科学文献的药物ADMET数据构造分子图作为分子结构特征,进一步将提出的模型与三种机器学习模型和两种传统的图神经网络模型进行性能比较。【结果】收集整合得到9个ADMET数据集共计149 457条数据。基于图注意力网络的ADMET预测模型在9个数据集中的平均准确率为0.825、平均F1分数为0.672。与机器学习和图神经网络基线模型相比,所提方法在平均准确率和平均F1分数指标上最大提升幅度达6.4%和26.0%。【局限】数据清洗步骤可以精细化处理,模型预测性能可以通过改进预训练策略进一步提升。【结论】所提图注意力网络模型在药物ADMET分类预测上取得良好性能,可将其应用于虚拟药物筛选流程,为计算机辅助药物设计和药物发现提供参考。