TDC ADMET benchmark snapshot (2026-03-24) used in Koleiev et al., 'Critical Assessment of ML models for ADMET Prediction in TDC leaderboards'

TDC ADMET benchmark snapshot (2026-03-24) Description This is a frozen copy of the Therapeutics Data Commons ADMET benchmark group as it stood on 2026-03-24, downloaded with PyTDC 0.3.8. It contains all 22 endpoints, each as the official scaffold split returned by tdc.benchmark_group.admet_group. No resampling, filtering, or relabelling on our side. Motivation The public TDC benchmark isn't version-pinned, and the underlying data can change silently. Re-downloading through PyTDC at a later date may give you a different split, which makes results from older papers hard to reproduce. This deposit is the exact data we used in the paper below, so anyone who wants to reproduce or build on those results starts from the same place we did. Contents One subdirectory per endpoint, each with a train_val.csv and a test.csv: admet_group/ ├── <endpoint_1>/ │ ├── train_val.csv │ └── test.csv ├── <endpoint_2>/ │ ├── train_val.csv │ └── test.csv └── ... (22 endpoints total) Every CSV has three columns: Drug_ID — TDC compound identifier Drug — SMILES string Y — endpoint value (regression target or binary label, depending on the endpoint) How to use it To reproduce the standard TDC evaluation: run the multi-seed protocol (5 seeds) on train_val.csv and evaluate once on test.csv. The companion code repository at github.com/receptor-ai/tdc-admet-bench has a working example, plus the feature extraction, training, hyperparameter search, and third-party model wrappers (MapLight, MapLight+GNN, CaliciBoost) used in the paper. Associated paper Critical Assessment of ML Models for ADMET Prediction in TDC Leaderboards — Koleiev et al., Receptor.AI (2026). Preprint: https://www.biorxiv.org/content/10.64898/2026.02.26.708193v1.full. License and integrity Released under CC BY 4.0, matching this deposit's metadata and the upstream TDC dataset licensing. Archive SHA-256: 8ac217bd8c316d04d15ab2ef5173ef6e9a084e156dfcd16c0ac21e2ed6e4590b.TDC ADMET基准数据集快照（2026-03-24） ## 数据集描述 本数据集为2026年3月24日时刻的治疗数据通用库（Therapeutics Data Commons，TDC）ADMET基准组的固化副本，通过PyTDC 0.3.8版本下载获取。其包含全部22个端点任务，每个任务均采用`tdc.benchmark_group.admet_group`返回的官方支架拆分（scaffold split）格式，我方未对数据进行重采样、过滤或重新标注操作。 ## 编写动机 公开的TDC基准数据集未做版本锁定，其底层数据可能在无通知的情况下发生变更。后续通过PyTDC重新下载该数据集，可能获得不同的拆分结果，这将导致过往论文中的研究结果难以复现。本存档数据集正是我们在如下论文中使用的原始数据，因此任何希望复现该研究成果或基于此开展后续工作的人员，均可从与我们一致的实验起点出发。 ## 数据集内容 每个端点任务对应一个子目录，每个子目录内包含`train_val.csv`与`test.csv`两个数据文件： admet_group/ ├── <endpoint_1>/ │ ├── train_val.csv │ └── test.csv ├── <endpoint_2>/ │ ├── train_val.csv │ └── test.csv └── ... （共计22个端点任务） 每个CSV文件均包含三列： - `Drug_ID`：TDC化合物标识符 - `Drug`：SMILES字符串 - `Y`：端点任务标签值（根据任务类型不同，可为回归目标或二分类标签） ## 使用方法 若需复现标准TDC评估流程，请在`train_val.csv`上执行多种子（共5个种子）训练协议，并在`test.csv`上完成一次评估。本研究配套的代码仓库位于`github.com/receptor-ai/tdc-admet-bench`，其中包含可直接运行的示例代码，以及论文中使用的特征提取、模型训练、超参数搜索代码，以及第三方模型封装工具（MapLight、MapLight+GNN、CaliciBoost）。 ## 关联论文 相关论文为《Critical Assessment of ML Models for ADMET Prediction in TDC Leaderboards》——Koleiev等人，Receptor.AI（2026）。预印本链接：https://www.biorxiv.org/content/10.64898/2026.02.26.708193v1.full。 ## 许可与完整性 本数据集采用CC BY 4.0协议发布，与本存档的元数据及上游TDC数据集的许可协议保持一致。存档文件SHA-256校验值：8ac217bd8c316d04d15ab2ef5173ef6e9a084e156dfcd16c0ac21e2ed6e4590b。