【源码】基于机器学习的药物ADMET属性预测系统

项目简介

本项目是一个基于机器学习的药物ADME（吸收、分布、代谢、排泄）和毒性（Toxicity）属性预测系统，旨在提高药物研发效率，通过预测药物属性，助力药物研发人员在早期阶段筛选候选药物。

项目的主要特性和功能

1. ADME各属性预测
   • 基本理化性质：可预测LogS（水溶性值的对数）和LogD7.4（在pH=7.4时的正辛醇/水分配系数的对数）。
   • 吸收：能预测Caco2_Permeability（CaCO - 2细胞的通透性）、Pgp - inhibitor（P - 糖蛋白抑制剂）、HIA（人体肠道吸收）和人类口服生物利用度（F_20和F_30）。
   • 分布：可预测血浆蛋白结合（PPB）、分布体积（VD）和血脑屏障渗透（BBB）。
   • 代谢：能预测多种CYP450酶的抑制剂和底物，包括CYP1A2、CYP3A4、CYP2C9、CYP2C19和CYP2D6。
   • 排泄：可预测药物的清除率（CL）和半衰期（T1/2）。
2. 毒性预测：可预测hERG（心脏毒性）、肝毒性（HHT）和皮肤敏感性（SkinSen）。
3. 机器学习模型：采用随机森林（RF）、支持向量机（SVM）等模型进行属性预测。

安装使用步骤

1. 环境准备：确保系统已安装Python，并安装必要的Python库，如RDKit和scikit - learn。
2. 运行程序：用户已下载项目源码文件后，运行run.py脚本，启动预测系统。
3. 使用GUI：通过图形用户界面输入数据、选择模型并启动预测。
4. 查看结果：预测结果将保存在指定文件中，用户可以在界面上查看或下载结果。

注意事项

• 使用本系统前，需确保已安装RDKit软件，并正确配置环境变量。
• 本系统依赖Python和相关库，安装前要确保系统满足要求。
• 对于预测结果，建议结合实验验证以确保准确性。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】