一篇新的研究论文评估了 22 个数据集上预测 ADMET 属性的十一种不确定性量化方法。研究发现,集成蒙特卡洛 dropout 在整体性能、Brier 分数和区间分数方面平均表现最佳。然而,LightGBM 在预测性能和 Brier 分数方面在单个数据集上也表现强劲,尽管它在某些端点上遇到困难。该研究强调了在多个化学分区和统计分析中进行全面评估的重要性,以避免从有限的比较中得出结论。 AI
影响 为 ADMET 预测中的不确定性量化最佳方法提供了见解,这对于药物发现和开发至关重要。
排序理由 评估特定数据集上机器学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Hugging Face
- Laurits Fredsgaard
- LightGBM
- Monte Carlo Dropout
- TDC ADMET
- Therapeutics Data Commons
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →