El cáncer de mama es la primera incidencia de cáncer y la segunda mortalidad por cáncer en mujeres. Por lo tanto, para la vida y la salud de las pacientes con cáncer de mama, la investigación y desarrollo de medicamentos para el cáncer de mama debería acelerarse. En el desarrollo de medicamentos, la búsqueda de compuestos con buena bioactividad, farmacocinética y seguridad, incluyendo Absorción, Distribución, Metabolismo, Excreción y Toxicidad (ADMET), siempre ha sido un proceso que consume mucho tiempo y mano de obra. En este documento, se estudia la relación entre el descriptor molecular y las propiedades ADMET de los compuestos. Con el objetivo de abordar el problema de la clasificación de atributos ADMET compuestos, se propuso un Algoritmo de Apilamiento basado en Redes de Convolución de Grafos (SA-GCN). En primer lugar, se realizó una selección de características en los datos de los descriptores moleculares. Luego, se desarrolló el SA-GCN integrando las ventajas de diez algoritmos de clasificación clásicos. Finalmente, se utilizaron diversos indicadores de rendimiento para llevar a cabo experimentos comparativos. Los experimentos muestran que el SA-GCN es superior a otros clasificadores en el rendimiento de clasificación de ADMET, y la precisión de clasificación es del 97.6391%, 98.1450%, 94.4351%, 96.4587% y 97.9764% en comparación con otros clasificadores. Por lo tanto, este método puede aplicarse bien a la clasificación de propiedades ADMET de compuestos y luego podría proporcionar ayuda para seleccionar compuestos con buenas actividades biológicas.