B3clf: 最新的精准预测药物血脑屏障透过能力的开源app

B3clf 是一款集成重采样技术的机器学习框架，专为预测小分子的血脑屏障（BBB）渗透性设计，旨在解决中枢神经系统（CNS）药物研发中，实验测定 BBB 渗透性成本高、效率低，且现有模型受数据类别不平衡影响的核心问题，为药物筛选提供高效、可靠的计算工具。

• paper：

https://doi.org/10.26434/chemrxiv-2025-xschc

• 软件地址：

https://github.com/theochem/B3clf

01 性能表现

B3clf 在预测小分子能否穿过血脑屏障方面表现出色。它基于包含 7407 个分子的数据集，通过严谨的验证和参数优化，构建的 24 种模型里，以 XGBoost 为基础的模型效果最好，在区分能穿过和不能穿过血脑屏障的分子上表现稳定，对能穿过的分子识别率达 92.75%，对不能穿过的识别率达 82.33%。

02 在线使用

该工具除了提供可供本地部署的代码外，还将模型部署到了huggingface，让实验人员也能轻易上手使用。

网页地址为：

https://huggingface.co/spaces/QCDevs/b3clf

① 准备好手头上要预测的小分子候选药物的结构文件(sdf文件)或SMILE文件。

• sdf文件是存储一个或多个小分子三维结构信息的常见格式（如果想了解该格式文件的详细信息可以在评论区留言，如果需求很多的话，我会在近期专门出一期详解）。

• SMILE文件中存储一个或多个候选小分子药物结构的SMILE式，存储为csv表格文件的格式（本例的文件名为sample_input_smiles.csv），形式如下：

② 我们以上述介绍的SMILE文件为例进行演示：

稍等片刻页面下方出现结果：

第一列的数据是小分子的SMILE式，第二列表示对应小分子透过血脑屏障的概率，最后一列数值只有0或1两个值（0表示该分子不能透过BBB，1表示可以透过）