利用深度学习提升基于对接的虚拟筛选
定量方法
2016-11-22 v2
摘要
在这项工作中，我们提出一种深度学习方法来改进基于对接的虚拟筛选。所引入的深度神经网络 DeepVS 使用对接程序的输出，并学习如何从蛋白质-配体复合物获得的基本数据（如原子和残基类型）中提取相关特征。我们的方法引入了原子和氨基酸嵌入的使用，并实现了一种通过将被化合物建模为一组原子上下文（进一步由卷积层处理）来创建蛋白质-配体复合物的分布式向量表示的有效方式。所提方法的主要优势之一是不需要特征工程。我们在有用诱饵目录（DUD）上评估 DeepVS，使用了两个对接程序的输出：AutodockVina1.1.2 和 Dock6.6。使用留一法交叉验证的严格评估，DeepVS 在 AUC ROC 和富集因子上均优于对接程序。此外，使用 AutodockVina1.1.2 的输出，DeepVS 达到了 0.81 的 AUC ROC，据我们所知，这是迄今为止使用 DUD 中 40 个受体进行虚拟筛选所报道的最佳 AUC。
引用
@article{arxiv.1608.04844,
title = {Boosting Docking-based Virtual Screening with Deep Learning},
author = {Janaina Cruz Pereira and Ernesto Raul Caffarena and Cicero dos Santos},
journal= {arXiv preprint arXiv:1608.04844},
year = {2016}
}
备注
The final version of this manuscript will be published in the Journal of Chemical Information and Modeling