Nucleic. Acids. Res. | 又双叒叕升级了！ADMETlab 3.0——全面升级的药物ADMET预测平台...

在药物研发的漫长过程中，药物早期筛选中的ADMET（吸收、分布、代谢、排泄特性和毒性）评估是决定药物成功与否的关键因素。自2018年中南大学湘雅药学院曹东升课题组首次发布ADMETlab以来，该平台不断改进ADMET的预测性能和药物研究者的使用体验。作为一个领先的ADMET预测平台，它也广受认可。截至目前，ADMETlab 2.0的文章已被引用1088次，网站访问量超过170万次。为了满足广大科研工作者更高的需求，此次将ADMETlab升级到了3.0版本。这是一个全面更新的在线ADMET预测平台，旨在为药物发现过程中的ADMET相关参数提供更广泛、更高效、更精准的评估。网站链接：https://admetlab3.scbdd.com。

图1. ADMETlab 3.0数据及DMPNN-Des模型框架概览

ADMETlab 3.0的特点

更广泛的终点覆盖：ADMETlab 3.0团队基于现有的ADMET数据集进行了广泛的重新收集和重组，整合了包括ChEMBL、PubChem和OCHEM等开放获取的生物活性数据库，以及经过严格同行评审的文献。ADMETlab 3.0共包含了119个终点，其中77个为建模终点，42个为直接计算终点。终点种类比前一版本增加了31个，覆盖了超过40w个条目，是前一版本的1.5倍。该版数据包括了一些新增的物理化学性质、吸收终点、跨膜转运蛋白抑制剂的分布数据以及代谢终点，如CYP抑制和人类肝微粒体稳定性数据。毒性方面也新增了五种体内毒性和四种体外毒性终点。此外，药物吸收、分布和排泄的数据量扩增了20%、20%、125%和20%，详情见图2。这次全面的更新使ADMETlab 3.0成为迄今为止最全面的ADMET属性在线预测平台，有助于准确预测和深入研究新的化合物分子。

图2. A. 吸收、分布、代谢和物理化学性质的数据集大小。B. 毒性属性的数据集大小。

性能提升： ADMETlab3.0构建了77个基于DMPNN-Des或DMPNN的预测终点，18个为回归模型，59个为分类模型。DMPNN为单纯的图神经网络构架，DMPNN-Des为图神经网络合并RDKit 2D描述符的模型构架。回归模型中已有终点的R²值主要在0.75到0.95之间，五个新增终点的R²值在0.8到0.9之间。分类模型中已有终点的AUC值在0.72到0.99之间，新增终点的AUC值在0.73到0.96之间。此外，与2.0版本的MGA模型相比，DMPNN-Des和DMPNN在回归任务中显示出更高的性能，并在大部分分类任务中表现更优秀。三种模型的表现和对比详见图3。结合模型表现，ADMETlab 3.0平台采用多任务DMPNN-Des模型，这在平衡每个终点的计算速度、准确性和稳健性方面取得了最优表现。

图3. 回归和分类任务中DMPNN-Des、DMPNN和MGA的比较。A. 回归任务的R2值。B. 分类任务中药代动力学终点（ADME）的AUC值。C. 分类任务中毒性终点的AUC值。

API功能：为了满足对大规模ADMET预测和程序化访问的需求，ADMETlab 3.0引入了API功能，使研究人员能够通过高效地访问平台进行批量预测。通过成熟的协议和广泛使用的编程语言，用户可以方便地获取全面的计算结果，其中包括不确定性评估的结果。API的灵活性也鼓励开发者将其功能用于更广泛的应用，例如开发特定分子数据库、图形用户界面和用于ADMET评估的Web应用程序等。

图4. 通过调用API进行预测的Python代码示例

决策支持：在预测建模中，提供预测结果的不确定性估计（uncertainty estimation）是评估预测准确性和可靠性的重要指标，有助于用户在虚拟筛选过程中对候选化合物根据置信值进行选择。。回归模型采用了基于证据的（evidence-based）深度学习方法，并在Chemprop中使用了"evidential_total"估计方法，综合考虑了证据性认识不确定性和随机不确定性。分类模型使用了蒙特卡洛dropout方法评估不同属性的不确定性，通过API用户可以获取带有置信度标签的预测结果。

与现有工具的比较

作者比较了ADMETlab 3.0、ADMETlab 2.0和几个其他ADMET预测平台的端点信息和处理效率。结果显示，ADMETlab 3.0和2.0版本在整体的数据支持和评估性能上优于其他平台，包括SwissADME、admetSAR2.0、FAF-Drugs4、pkCSM和vNN-ADMET。相较于最新的ADMET-boost和Interpret-ADMET平台，ADMETlab 3.0也表现出更好的覆盖率和实用性能。ADMETlab 3.0通过提供不确定性估计分数、可视化表示每个输出的决策状态以及突出显示警示子结构等方式来展示其多样化的可解释性。对比详情见表1。此外，与2.0版本相比，该版本通过更丰富的文档、更好的指导页面和增强的网页设计显著提高了用户体验。用户指南信息可在网站上的“Help”部分找到。

表1. ADMETlab（2.0和3.0版本）与其他基于Web的平台主要特性的比较

总结

ADMETlab 3.0的发布对药物研发领域中计算机辅助工具的丰富有着重要意义。该平台不仅解决了之前版本的一些限制，还引入了创新特性，以满足该领域的动态需求。ADMETlab研究团队计划继续优化平台性能，扩展数据集，并进一步提高预测模型的准确性和可靠性。ADMETlab 3.0作为一个公共资源，无需注册即可访问，为药物开发者和化学家提供了一个更全面、可靠和准确的服务。

参考资料

Li Fu, Shaohua Shi, Jiacai Yi, Ningning Wang, Yuanhang He, Zhenxing Wu, Jinfu Peng, Youchao Deng, Wenxuan Wang, Chengkun Wu, Aiping Lyu, Xiangxiang Zeng, Wentao Zhao, Tingjun Hou, Dongsheng Cao, ADMETlab 3.0: an updated comprehensive online ADMET prediction platform enhanced with broader coverage, improved performance, API functionality and decision support, Nucleic Acids Research, 2024;, gkae236, 

https://doi.org/10.1093/nar/gkae236

高颜值免费 SCI 在线绘图(点击图片直达)

最全植物基因组数据库IMP (点击图片直达)

往期精品(点击图片直达文字对应教程)

机器学习