Supervised Learning-Driven Prediction of Small-Molecule Modulator Bioactivity Against Protein-Protein Interactions
Deze studie presenteert een supervised learning-framework dat gebruikmaakt van Random Forest-modellen met RDKit-descriptors om de bioactiviteit van kleine moleculaire modulatoren tegen eiwit-eiwitinteracties effectief te voorspellen, waarbij sterke prestaties worden behaald op interne en blinde datasets terwijl de uitdagingen van het generaliseren naar structureel diverse externe verbindingen worden benadrukt.