【Datawhale AI夏令营】分子性质AI预测挑战赛Task 1

#AI夏令营 #Datawhale #夏令营

1.背景

在当今科技日新月异的时代，人工智能（AI）技术正以前所未有的深度和广度渗透到科研领域，特别是在化学及药物研发中展现出了巨大潜力。精准预测分子性质有助于高效筛选出具有优异性能的候选药物。以PROTACs为例，它是一种三元复合物由目标蛋白配体、linker、E3连接酶配体组成，靶向降解目标蛋白质。本次大赛聚焦于运用先进的人工智能算法预测其降解效能，旨在激发参赛者创新思维，推动AI技术与化学生物学的深度融合，进一步提升药物研发效率与成功率，为人类健康事业贡献智慧力量。通过此次大赛，我们期待见证并孵化出更多精准、高效的分子性质预测模型，共同开启药物发现的新纪元。

2.任务

选手根据提供的demo数据集，可以基于demo数据集进行数据增强、自行搜集数据等方式扩充数据集，并自行划分数据。运用深度学习、强化学习或更加优秀人工智能的方法预测PROTACs的降解能力，若DC50>100nM且Dmax<80% ，则视为降解能力较差（demo数据集中Label=0）；若DC50<=100nM或Dmax>=80%，则视为降解能力好（demo数据集中Label=1）。

3.Task 1：初步了解，跑通baseline

在Datawhale贡献者团队的帮助下体验了一站式 baseline

1. 导入库： pandas（用于数据处理和分析）和 LGBMClassifier（决策树分类器）等。
2. 读取数据：代码通过使用 pd.read_excel 函数从文件中读取训练集和测试集数据，并将其存储在 traindata-new.xlsx 和 testdata-new.xlsx 两个数据框中。
3. 特征工程：
   • test数据不包含 DC50 (nM) 和 Dmax (%)，将train数据中的 DC50 (nM) 和 Dmax (%)删除。
4. LGB树模型训练和预测：
   • 创建了一个 LGBMClassifier 的实例，即LGB分类器。
   • 使用 fit 函数对训练集中的特征和目标进行拟合，训练了决策树模型。
   • 对测试集使用已训练的模型进行预测，得到预测结果。
   • 将预测结果和相应的 uuid 组成一个DataFrame，并将其保存到 submit.csv 文件中。
   • 提交后分数是0.7064。