ProQSAR：一个模块化且可重复的小数据QSAR建模框架，提供现成的模型可供直接使用

《Journal of Cheminformatics》：ProQSAR : A modular and reproducible framework for small-data QSAR modeling with fit-and-use models

　　

摘要

背景

定量结构-活性关系（QSAR）模型是计算机辅助药物发现和预测毒理学的核心，但其实际应用往往受到临时性工具、不一致的验证协议以及较差的可重复性的阻碍。

目标

我们推出了ProQSAR，这是一个模块化、可重复的工作平台，它规范了端到端的QSAR开发过程，同时允许独立使用各个组件。

方法

结果

在基于Bemis–Murcko骨架分割的代表性ProQSAR展示了基于描述符的最新性能：在整个回归套件（FreeSolv、0.658\pm 0.11），相较于领先的图谱方法0.494 vs 0.731）有了显著提升。在量子力学基准测试中，QM7上表现出色，并在多任务数据集ProQSAR在70.4\pm 11.6）。重要的是，所有预测结果都附有跨构象预测和明确的适用性领域标记，可以识别出分布外的数据，从而实现校准和决策支持。

可用性

PyPI、Docker Hub上发布；所有版本都包含了完整的来源信息（参数、包版本、校验和），以确保可重复性。

科学贡献

背景

定量结构-活性关系（QSAR）模型是计算机辅助药物发现和预测毒理学的核心，但其实际应用往往受到临时性工具、不一致的验证协议以及较差的可重复性的阻碍。

目标

我们推出了方法

结果

在基于Bemis–Murcko骨架分割的代表性ProQSAR展示了基于描述符的最新性能：在整个回归套件（FreeSolv、0.658\pm 0.11），相较于领先的图谱方法0.494 vs 0.731）有了显著提升。在量子力学基准测试中，QM7上表现出色，并在多任务数据集ProQSAR在70.4\pm 11.6）。重要的是，所有预测结果都附有跨构象预测和明确的适用性领域标记，可以识别出分布外的数据，从而实现校准和决策支持。

可用性

PyPI、Docker Hub上发布；所有版本都包含了完整的来源信息（参数、包版本、校验和），以确保可重复性。

科学贡献