bioRxiv：ADMET预测基准测试显示无单一模型家族占优

据bioRxiv预印本，Stamenov等人在六个治疗数据共享平台ADMET终点上，对图神经网络、冻结预训练模型（ChemBERTa、MolCLR）与指纹基线进行基准测试，采用骨架划分评估，并为每个模型家族设定统一的50次试验、经验证集选择的调参预算，报告十次随机种子的中位数。作者称，在该公平比较协议下，没有模型家族占据主导，多数终点上家族间差异落在种子间波动范围内；图神经网络仅在Caco-2渗透性上明显最佳（R²约0.48），消融实验显示该优势完全来自辅助理化描述符而非图表示；Morgan指纹在hERG上具竞争力（AUC约0.77），并在两个清除率终点上给出最佳中位数，MolCLR在Tox21上最佳。作者还称，肝细胞清除率与半衰期上所有模型R²接近零或为负；七种超参数优化策略中无一在该预算下稳定优于随机搜索，用测试集表现选择优化器或仅报告单次最佳试验会显著夸大偏好模型…