RDKit | 基于不同描述符和指纹的机器学习模型预测logP

        log P(油水分配系数)是确定化合物是否适合用作药物的最重要属性之一。当前，用于计算机预测log P的大多数可用回归模型都在实验测得的log P值（PHYSPROP数据库）。但是，该数据库中的大多数化合物并不高度代表药物样化学空间。不幸的是，当前缺乏可用于训练更好的预测工具的公开可用的实验log P数据集。

        此测试使用论文中发布的实验log P数据：“Large, chemically diverse dataset of log P measurements for benchmarking studies” [1]。

到目前为止，用于log P预测的许多可用工具都基于物理描述符，例如原子类型计数或极性表面积或拓扑描述符。这里将计算分子的不同物理描述符以及结构指纹，并使用三种不同的回归模型（神经网络，随机森林和支持向量机）对它们的性能进行基准测试。

---

导入库和utility模块

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

from rdkit import Chem
from rdkit.Chem import AllChem
from rdkit.Chem import Descriptors

from utility import FeatureGenerator

from sklearn.metrics import r2_score, mean_squared_error, mean_absolute_error
from sklearn.model_selection import train_test_split
from sklearn.ensemble i