اعتمد المشروع على بيانات **BindingDB_Kd**، حيث تم تجهيز البيانات وتحويل قيم Kd إلى تصنيف ثنائي يحدد وجود أو عدم وجود تفاعل بين الدواء والبروتين.

تم تطبيق **Data Preprocessing وFeature Engineering** لتمثيل الأدوية باستخدام **MACCS Molecular Fingerprints** والبروتينات باستخدام **Amino Acid Composition**.

لمعالجة عدم توازن الفئات، تم استخدام **WGAN-GP** لتوليد بيانات إضافية للفئة الأقل تمثيلًا، مع تطبيقه على بيانات التدريب فقط لتجنب Data Leakage.

استخدم المشروع **Murcko Scaffold Split** لاختبار قدرة النماذج على التعميم على هياكل دوائية مختلفة. وتم بناء ومقارنة نماذج **Random Forest وXGBoost** باستخدام Scaffold-aware Cross-Validation.

حقق **XGBoost** تحسنًا في **ROC-AUC من 77.6% إلى 84.6%**، و**Sensitivity من 26% إلى 64%** بعد معالجة عدم التوازن.

تم تنفيذ Pipeline متكاملة تبدأ من تجهيز البيانات وتمثيل الـFeatures، مرورًا بمعالجة عدم التوازن وبناء النماذج، وصولًا إلى **Model Evaluation وتحليل النتائج**.