源自风暴统计网：一键统计分析与绘图的网站

在药物发现中，预测化合物能否透过肠壁（Caco-2通透性）是关键一步。传统方法依赖专家手动选特征、调模型，耗时费力且难复现。

最近一项研究走了另一条路，他们让自动机器学习（AutoML） 系统性评估了8类分子表征（从2D/3D描述符到深度学习嵌入），完全自动化完成特征提取、模型选择与优化。

其实施流程具体且系统，可分为以下三个阶段：

第一阶段，研究者为同一分子库系统生成了八类截然不同的特征表征，涵盖从简单的二维指纹到复杂的二维与三维描述符。

随后，他们将每一类特征的完整集合，不作任何人工筛选，直接输入AutoML平台。平台自动执行数据预处理、模型选择（同时尝试梯度提升树、神经网络等多种架构）与超参数优化，最终为每一种表征独立生成一个当前最优的集成模型。

这一步骤的关键在于，AutoML以完全自动化和标准化的方式，为所有参与“竞赛”的特征集提供了一个公平的、基准性能成绩单。

第二阶段，基于“初步成绩单”，研究者锁定了表现优异的特征类型。

并利用AutoML流程中可获取的模型解释工具（如SHAP值），自动识别出每类特征中对预测贡献最大的关键子集。

这并非人工挑选，而是数据驱动的结果。

第三阶段，研究者再次启动AutoML，但此次仅使用第二阶段筛选出的关键特征子集作为输入，进行新一轮的、更深度的模型训练与超参数优化。

这一“特征精炼+模型再优化”的闭环，完全由AutoML框架高效执行，最终得到了高度优化且可解释性更强的预测模型。

AutoMl优势：效率高

这一自动化流程产生了清晰而有力的结果。首先，它以前所未有的效率完成了系统性评测，明确指出PaDEL和Mordred描述符（尤其是包含三维信息时）在预测Caco-2通透性上最具优势。

AutoMl优势：性能强

其次，通过上述闭环优化得到的最终模型——CaliciBoost，其性能超越了所有传统手动构建的基准模型，在权威的TDC公开排行榜上取得了领先排名。

这直接证明，通过AutoML优化的模型不仅能匹配甚至能超越专家精心设计的模型。

总结而言，该研究成功地将自动机器学习从一种便捷工具，转化为驱动科学发现的方法论核心。它不仅高效地回答了“哪种表征更好”这一长期问题，更重要的是展示了一种可复现的研究范式：面对高维、多元的特征空间与有限的样本数据时，AutoML能够以客观、系统的方式，自动化完成从特征评估、筛选到模型构建、优化的全流程。

这极大地降低了建模门槛，将研究者从重复的劳动中解放出来，使其能更专注于问题本质与结果洞察，从而加速药物发现领域的数据驱动决策进程。

---

关于郑老师团队及公众号

学统计就找郑老师团队，我们有全面的医学统计课程！

1.医院临床数据分析课程

临床试验（RCT）研究设计与数据分析；临床预测模型和基于R语言/Python的机器学习方法在临床预测模型中的应用（附赠全套代码）；医院回顾性数据与真实世界临床研究，涵盖目标模拟试验（模拟RCT)、缺失数据填补下真实世界研究、倾向性评分方法（包括倾向性得分匹配、逆概率加权，重叠加权）等

2.纵向数据分析课程

重复测量资料分析方法培训；轨迹模型在纵向数据分析中的深度应用（全套R代码奉送）

3.公共数据库挖掘与分析课程

NHANES（美国国家健康和营养检查）公共数据库、GBD（全球疾病负担）公共数据库、七大老年健康数据库挖掘与分析课程；孟德尔随机化方法快速发表SCI初级班、高级班以及进阶攻略：整合网络药理学&单细胞测序

4.其他课程

零基础两天学会R语言；Meta分析培训课程，包含网状Meta内容；量表与中介研究数据分析培训班

26年预开课程：

剂量反应网状Meta分析(DR-NMA)、缺失数据预测模型、时依协变量模型与多状态模型在纵向数据中的应用、高级倾向性评分课程、机器学习在医学影像图片数据中的应用、HRS数据库应用与分析

需以上统计课程，请联系郑老师团队（微信：aq566665）