返回顶部
返回首页
返回首页
今日    | 手机版 | 热点 | 资讯 | 产品 | 商道 | 店铺 |
home 您现在的位置: 首页 >生物化学>产品资讯 > 详细信息
MolMapNet:开箱即用的深度学习模型,可预测药物特性
2021年04月05日    阅读量:324     新闻来源:中国化工网 okmart.com    |  投稿

在过去的几十年中,计算机科学家已经开发出了广泛的应用程序,包括用于药物分析的深度学习工具。最近,已经对预测药物特性的深度学习模型进行了训练,以分析和学习分子表示形式。


MolMapNet:开箱即用的深度学习模型,可预测药物特性 中国化工网,okmart.com


清华大学,新加坡国立大学,复旦大学药学院和浙江大学的研究人员最近开发了MolMapNet,这是一种新的人工智能(AI)工具,可以通过分析基于人类知识的分子表示来预测药物的药物特性中国化工网okmart.com。 。该工具发表在《自然机器智能》上的论文中,也可以由对计算机科学,生物学或其他科学知识很少或根本不了解的人使用。


“我们知道药物研究需要学习许多分子特性,特别是人类知识所衍生的丰富分子特性(如体积)的集合,但是这些分子特性很难被AI(人工智能)学习,” Yu Zong Chen进行这项研究的研究人员之一,告诉TechXplore。


虽然AI工具通常擅长识别空间有序的图像(例如,对象的图像),但它们在诸如分子特性之类的无序数据上的表现却不尽人意。该特征极大地损害了它们在药物分析中的性能。Chen和他的同事希望克服这一限制,以提高用于预测药物特性的深度学习模型的性能。


Chen说:“由于药品数据有限,很难改善AI架构。” “我们问我们是否可以改善AI读取分子特性的方式。我们的解决方案是将无序分子特性映射到有序图像中,以使AI更有效地识别分子特性。”


这种创新的开箱即用的AI工具不需要进行参数微调,这意味着非专业用户也可以使用它。值得注意的是,研究人员发现,它在26种药物基准数据集中的大多数数据上均优于最新的AI工具。


Chen说:“我们的方法遵循三个步骤,以改善对药物特性的深度学习预测。” “第一步是从超过800万个分子中广泛学习分子特性的内在联系。这些联系可能与各种药物特性相关,因此可以作为各种药物特性的指标。”


该方法的第二步需要使用新开发的数据转换技术将药品的分子特性映射到2D图像中,其中像素布局反映了这些特性之间的内在联系。这些像素布局包含药物特性的关键指标,这些指标可以由经过适当培训的深度学习模型捕获。


第三步,研究人员训练了图像识别工具来学习2D图像,并使用它们来预测药物特性。AI工具可以捕获表征特定药物特性的特定像素布局模式,类似于AI技术可以通过查看头发的长度或其他与性别相关的特征来区分图片中的男性和女性。


陈说:“我们的研究有两个显著成就。” “首先是引入了一种新方法,用于将无序分子特性映射到表示分子特性的内在关系的有序图像中。第二步是开发了一种创新的开箱即用的AI工具,用于深度学习预测具有非凡性能的非专家的药物特性。”


将来,即用型的深度学习模型可能会大大加快药物研究的速度,从而帮助科学家更快,更有效地预测不同药物的特性。Chen和他的同事们在接下来的研究中计划进一步开发他们的模型,以便也可以将其应用于生物医学研究。



标签:产品资讯化工应用技术中心今日头条生物化学生物制药市场评论行业资讯原料动态
免责声明: 本文仅代表作者本人观点,与本网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。客服邮箱:service@cnso360.com | 客服QQ:23341571

全站地图

深圳网络警察报警平台 深圳网络警
察报警平台

公共信息安全网络监察 公共信息安
全网络监察

经营性网站备案信息 经营性网站
备案信息

中国互联网举报中心 中国互联网
举报中心

中国文明网传播文明 中国文明网
传播文明

深圳市市场监督管理局企业主体身份公示 工商网监
电子标识