近日，我校药学院唐赟教授课题组发布了全面升级的化合物ADMET性质综合评估平台admetSAR3.0，该平台能够为化合物ADMET数据搜索、性质预测和优化提供一站式服务，用户可通过如下链接免费使用该平台：http://lmmd.ecust.edu.cn/admetsar3/。相关研究成果以“admetSAR3.0: a comprehensive platform for exploration, prediction and optimization of chemical ADMET properties”为题，发表于国际著名期刊《核酸研究》（Nucleic Acids Research，IF=16.6）。
化合物ADMET性质，即化合物在体内的吸收、分布、代谢、排泄及毒性性质，在药物发现和化学品安全性评估中发挥着至关重要的作用。不良ADMET性质是导致药物研发失败的主要原因之一，也是化学品安全性评估的重点。唐赟教授课题组长期致力于人工智能赋能的化合物ADMET性质预测和优化研究，早在2012年，就在国际上率先推出了名为admetSAR的在线服务平台（http://lmmd.ecust.edu.cn/admetsar1/），收录了近96000个化合物的21万余条高质量实验数据，并采用机器学习方法构建了27个预测模型，受到国内外用户的广泛使用和好评。相关成果发表在美国化学会著名期刊J. Chem. Inf. Model. 2012, 52: 3099-3105，已被引用1400次。2019年升级到admetSAR2.0（http://lmmd.ecust.edu.cn/admetsar2/），模型数量增加到47个，并增加了基于骨架跃迁的性质优化模块ADMETopt，已完成用户提交任务85万次，相关成果发表在国际著名期刊Binformatics 2019, 35: 1067-1069，已被引用700次。为了进一步提高模型预测质量，以满足广大科研人员的研究需求，唐赟教授课题组最近对admetSAR在线服务平台进行了全面改版更新，升级到了3.0版本。全面升级的admetSAR3.0具有更综合的评估模块，更广泛的端点覆盖，更高效的预测框架，以及更友好的用户界面（图1）。
图1. admetSAR3.0的四大更新
更综合的评估模块：admetSAR3.0呈现了综合的ADMET性质评估模块，支持ADMET性质搜索、预测和优化三大功能，一站式服务便利用户开展ADMET性质评估研究。在搜索功能中，支持基于结构的相似性搜索，为交叉参照研究提供便利；在预测功能中，以高效的CLMGraph框架作为后端预测支持，提供更为快速的服务；在优化功能中，支持基于骨架跃迁和转化规则的性质优化，为不理想性质改造提供支持。在应用方面，admetSAR3.0侧重关注药物研发、环境风险评估和化妆品风险评估三大领域。
更广泛的端点覆盖：admetSAR3.0平台收录了超过10万个化合物的37万余条实验数据，并构建了多达119个ADMET性质端点的预测模型，包括18个基本性质端点、39个药代动力学性质端点、43个人体健康相关毒性端点、16个环境风险评估端点和9个化妆品风险评估端点。admetSAR3.0相较于其前代在化合物数量、数据记录和端点覆盖上分别有9.01%、78.08%和108.77%的提升。
更高效的预测服务：admetSAR3.0采用了一种基于对比学习预训练的多任务图神经网络（CLMGraph）框架，为ADMET性质预测提供鲁棒、可靠且快速的评估支持。admetSAR3.0中支持的90个分类端点的平均AUC值为0.87，且超过82%回归端点的相关系数R2为0.70以上。同时，运算速度非常快，admetSAR3.0进行1000个化合物的119个ADMET性质评估仅需约12秒钟，极大地提高了研究效率。
更友好的用户界面：admetSAR3.0为用户提供了便利的数据输入输出、清晰明了的结果呈现以及实用的使用说明。admetSAR3.0提高了输入数据的兼容性，可接受多种类型的输入格式，如SMILES式、绘制的化学结构和批量分子文件，并提供多种输出格式，包括数值数据、图形显示和可下载的结果文件。对于各端点的简介，用户只需将鼠标悬停于页面的问号或方框上，即可获得交互式的上下文帮助。
研究者还将admetSAR3.0与现有同类型的优秀在线服务平台进行了全面比较，结果显示admetSAR3.0具有ADMET端点覆盖广、功能综合及运算效率高等优势（表1）。
表1. admetSAR3.0与其他在线服务平台比较
我校药学院博士生顾雅馨、俞卓杭和汪祎梦为论文的共同第一作者（分别承担数据收集整理、网站框架构建和预测算法开发工作），唐赟教授为论文的通讯作者。本研究得到了国家重点研发计划和国家自然科学基金等项目的支持。
论文链接：https://academic.oup.com/nar/article/52/W1/W432/7655777或者https://doi.org/10.1093/nar/gkae298
