一种基于机器学习的多目标药物筛选与优化方法

本发明属于药物筛选技术领域，提供了一种基于机器学习的多目标药物筛选与优化方法，包括：S1、利用机器学习算法对化合物分子描述符进行特征筛选，确定对生物活性影响最显著的分子描述符；S2、构建定量结构‑活性关系模型，预测化合物的生物活性；S3、基于多目标优化算法，结合化合物的吸收、分布、代谢、排泄、毒性性质；本发明通过利用机器学习算法对化合物分子描述符进行特征筛选，构建QSAR模型预测生物活性，并结合ADMET性质分类预测，综合考虑药物的生物活性、ADMET性质和药代动力学特性，能够高效、准确地筛选和优化具有潜在药效和良好药代动力学特性的药物候选化合物，从而提高了药物研发的成功率，降低了研发成本和时间。