ADME Prediction

ADME（吸收、分布、代谢、排泄）性质预测技能，用于药物发现和开发早期的药物动力学性质评估。

支持的 ADME 性质

性质	数据集	类型	说明
Caco-2 通透性	Caco2_Wang	回归	预测 Caco-2 细胞有效通透性 (log Papp)
PAMPA 通透性	PAMPA_NCATS	分类	预测人工膜通透性 (高/低 - 中)
肠道吸收	HIA_Hou	分类	预测人体肠道吸收 (活性/非活性)
Pgp 抑制	Pgp_Broccatelli	分类	预测 P-糖蛋白抑制 (抑制剂/非抑制剂)
生物利用度	Bioavailability_Ma	分类	预测口服生物利用度 (高/低)
亲脂性	Lipophilicity_AstraZeneca	回归	预测亲脂性 (logD)

使用方法

对话框中使用

用户可以直接提供 SMILES 并要求预测：

预测这个分子的 ADME 性质：CCO
计算 Caco-2 通透性：c1ccccc1
这个化合物的肠道吸收怎么样？CC(=O)O
预测 Pgp 抑制活性：CCN(CC)CC

命令行使用

# 预测单个分子
python3 scripts/adme_predictor.py --smiles "CCO"

# 预测特定性质
python3 scripts/adme_predictor.py --smiles "c1ccccc1" --property Caco2_Wang

# 批量预测（从文件读取 SMILES）
python3 scripts/adme_predictor.py --file molecules.smi --output results.json

# 列出所有可用性质
python3 scripts/adme_predictor.py --list

# JSON 输出
python3 scripts/adme_predictor.py --smiles "CCO" --json

参数说明

参数	简写	说明	默认值
--smiles	-s	SMILES 字符串	必需（或 --file）
--file	-f	包含 SMILES 的文件（每行一个）	必需（或 --smiles）
--property	-p	要预测的性质（可多个）	全部
--output	-o	输出文件路径	标准输出
--json	-j	以 JSON 格式输出	表格格式
--list	-l	列出所有可用性质	-
--model-dir	-m	模型目录	默认模型目录

工作流程

1. 分子输入

支持多种输入方式：

# 单个 SMILES
smiles = "CCO"

# 从文件读取
with open("molecules.smi") as f:
    smiles_list = [line.strip() for line in f]

# 从其他格式转换
from rdkit import Chem
mol = Chem.MolFromMolFile("input.mol")
smiles = Chem.MolToSmiles(mol)

2. 指纹计算

使用 Morgan 指纹（ECFP4）表示分子：

from rdkit.Chem import AllChem

fp = AllChem.GetMorganFingerprintAsBitVect(
    mol, 
    radius=2,      # ECFP4
    nBits=2048     # 指纹长度
)

3. 性质预测

加载预训练模型进行预测：

# 加载模型
import pickle
with open("models/Caco2_Wang.pkl", "rb") as f:
    model = pickle.load(f)

# 预测
prediction = model.predict([fp])[0]

输出示例

单个分子预测

$ python3 scripts/adme_predictor.py --smiles "CCO" --json

{
  "smiles": "CCO",
  "predictions": {
    "Caco2_Wang": {
      "value": -0.52,
      "type": "regression",
      "unit": "log Papp (10^-6 cm/s)",
      "description": "Caco-2 细胞有效通透性"
    },
    "HIA_Hou": {
      "class": "Active",
      "probability": 0.89,
      "type": "classification",
      "description": "人体肠道吸收"
    },
    "Lipophilicity_AstraZeneca": {
      "value": -0.31,
      "type": "regression",
      "unit": "logD",
      "description": "亲脂性"
    }
  }
}

表格输出

SMILES: CCO (乙醇)

ADME 性质预测结果:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
性质                    预测值          置信度
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Caco-2 通透性           -0.52          -
PAMPA 通透性            High           0.78
肠道吸收 (HIA)          Active         0.89
Pgp 抑制                Non-inhibitor  0.92
生物利用度              High           0.85
亲脂性 (logD)           -0.31          -
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

批量预测

$ python3 scripts/adme_predictor.py --file drugs.smi -o results.csv

✓ 已处理：10/10 分子
✓ 输出：results.csv

$ cat results.csv
smiles,Caco2_Wang,HIA_Hou,Lipophilicity
CCO,-0.52,Active,-0.31
c1ccccc1,0.23,Active,2.15
CC(=O)O,-0.71,Active,-0.17

依赖

必需依赖

pip install rdkit scikit-learn pandas numpy

可选依赖（推荐）

# XGBoost（更好的性能）
pip install xgboost

# TDC（下载训练数据）
pip install PyTDC

检查安装

# 检查 RDKit
python3 -c "from rdkit import Chem; print('RDKit OK')"

# 检查 scikit-learn
python3 -c "from sklearn.ensemble import RandomForestClassifier; print('sklearn OK')"

模型训练

下载 TDC 数据

from tdc.single_pred import ADME

# 下载 Caco-2 数据集
data = ADME(name='Caco2_Wang')
df = data.get_data()

# 获取数据分割
split = data.get_split()
train_df = data.get_split()['train']

训练模型

# 训练 Caco-2 模型
python3 scripts/adme_train.py \
  --property Caco2_Wang \
  --data data/caco2_train.csv \
  --output models/Caco2_Wang.pkl

# 训练所有模型
python3 scripts/adme_train.py --all --data-dir ./tdc_data/ --output-dir ./models/

训练参数

参数	说明	默认值
--property	要训练的性质	必需
--data	训练数据 CSV	必需
--output	输出模型路径	必需
--model-type	模型类型 (rf/xgboost)	rf
--n-estimators	树的数量	100
--max-depth	最大深度	10

ADME 性质详解

Caco-2 通透性 (Caco2_Wang)

说明: Caco-2 细胞系用于模拟人体肠道组织，预测药物口服吸收能力。

单位: log Papp (10^-6 cm/s)

解释:

• -5.0: 高通透性（吸收良好）

• -6.0 to -5.0: 中等通透性
• < -6.0: 低通透性（吸收差）

PAMPA 通透性 (PAMPA_NCATS)

说明: 平行人工膜通透性测定，高通量筛选药物渗透性。

类别:

• High: 高通透性
• Low-Moderate: 低 - 中等通透性

人体肠道吸收 (HIA_Hou)

说明: 预测药物从胃肠道吸收到血液的能力。

类别:

• Active: 吸收良好
• Inactive: 吸收差

P-糖蛋白抑制 (Pgp_Broccatelli)

说明: Pgp 是 ABC 转运蛋白，影响药物代谢和脑渗透。

类别:

• Inhibitor: Pgp 抑制剂（可能影响其他药物代谢）
• Non-inhibitor: 非抑制剂

口服生物利用度 (Bioavailability_Ma)

说明: 预测药物口服后到达作用部位的比例。

类别:

• High: 生物利用度高（>50%）
• Low: 生物利用度低

亲脂性 (Lipophilicity_AstraZeneca)

说明: 预测药物在脂质环境中的溶解能力。

单位: logD

解释:

• 过高：代谢快、溶解度差
• 过低：膜通透性差
• 理想范围：1-3

与其他化学技能配合

与 mol_2d_viewer 配合

# 1. 预测 ADME 性质
python3 scripts/adme_predictor.py --smiles "CCO" -o adme_results.json

# 2. 生成 2D 结构图
python3 ../mol-2d-viewer/scripts/mol_2d_viewer.py --smiles "CCO" --output structure.png

与 smiles_to_iupac 配合

# 1. SMILES 转 IUPAC 名称
python3 ../smiles-to-iupac/scripts/smiles_to_iupac.py --smiles "CCO"

# 2. 预测 ADME 性质
python3 scripts/adme_predictor.py --smiles "CCO"

与 mol_paper_renderer 配合

# 1. 预测性质
python3 scripts/adme_predictor.py --smiles "CCO" --json > adme.json

# 2. 生成论文级渲染图
python3 ../mol-paper-renderer/scripts/mol_paper_renderer.py \
  --smiles "CCO" \
  --output ethanol_figure.svg \
  --caption "Ethanol: ADME properties predicted"

常见问题

Q: 预测结果不准确怎么办？

A:

• 检查分子是否在训练数据范围内（类似结构）
• 尝试使用 XGBoost 模型（通常更准确）
• 考虑使用集成方法（多个模型平均）

Q: 如何评估模型质量？

A: 使用 TDC 提供的 scaffold split 进行评估：

from sklearn.metrics import roc_auc_score, mean_squared_error

# 分类任务
auc = roc_auc_score(y_true, y_pred)

# 回归任务
rmse = mean_squared_error(y_true, y_pred, squared=False)

Q: 支持大分子（蛋白质、抗体）吗？

A: 当前版本仅支持小分子。大分子需要使用专门的模型（如 Developability 预测）。

Q: 如何自定义模型参数？

A: 修改训练脚本中的模型配置：

model = RandomForestClassifier(
    n_estimators=200,  # 增加树的数量
    max_depth=15,      # 增加深度
    class_weight='balanced'  # 处理类别不平衡
)

注意事项

• ✅ 快速预测 - 每个分子 <100ms
• ✅ 批量处理 - 支持数千分子批量预测
• ✅ 置信度评估 - 分类任务提供概率
• ✅ TDC 兼容 - 使用标准数据集和分割方法
• ⚠️ 小分子限制 - 仅适用于小分子药物
• ⚠️ 结构相似性 - 对训练集外结构预测可能不准确
• ⚠️ 实验验证 - 预测结果需实验验证

错误处理

错误	说明	解决方案
Invalid SMILES	SMILES 格式错误	检查 SMILES 语法
Model not found	模型文件缺失	运行训练脚本
RDKit error	分子处理失败	检查分子是否有效
Property not supported	不支持的性质	使用 --list 查看可用性质

性能参考

分子数量	预测时间（单线程）	预测时间（多线程）
1	<0.1s	<0.1s
10	0.5s	0.2s
100	5s	1s
1000	50s	10s

数据来源

所有数据集来自 Therapeutics Data Commons (TDC)

引用:

@article{huang2022therapeutics,
  title={Therapeutics Data Commons: Machine Learning Datasets and Tasks for Drug Discovery and Development},
  author={Huang, Kexin and Fu, Tianfan and Gao, Wenhao and Zhao, Yu and Roohani, Yusuf and Leskovec, Jure},
  journal={Nature Chemical Biology},
  year={2022}
}

输出文件位置

默认输出到当前目录，或使用 --output 指定：

python3 scripts/adme_predictor.py --smiles "CCO" -o ./output/adme_results.json

对于飞书兼容性，建议输出到白名单目录：

• ~/.openclaw/media/adme-prediction/
• ~/.openclaw/workspace/