W modelu zastosowano kombinację różnych wariantów sieci neuronowych, których łączna dokładność predykcji wyniosła 93%, podczas gdy pojedyncze klasyfikatory wchodzące w skład modelu osiągały 87-88%. Jest to równocześnie górny limit dokładności dla dostępnych obecnie danych, ponieważ niepewność modelu zdominowana jest przez wkład aleatoryczny, tj. nieredukowalny, inherentny dla wykorzystanych danych.
Wyniki publikowano w sierpniowym wydaniu Nature Machine Intelligence, pod tytułem: „Minimal-uncertainty prediction of general drug-likeness based on Bayesian neural networks”.
Więcej informacji: https://www.nature.com/articles/s42256-020-0209-y
Serdecznie gratulujemy i życzymy dalszych sukcesów!