CandidateDrug4Cancer：一个面向癌症药物发现的开放分子图学习基准
机器学习
2022-08-23 v2 生物大分子
摘要
抗癌药物的发现历来充满偶然性，我们试图提出一个开放分子图学习基准，名为 CandidateDrug4Cancer，这是一个具有挑战性且贴近现实的基准数据集，旨在促进可扩展、稳健且可复现的图机器学习研究，用于抗癌药物发现。CandidateDrug4Cancer 数据集涵盖了癌症中最常被提及的 29 个靶点，包含 54869 个癌症相关药物分子，范围覆盖临床前、临床及 FDA 已批准的药物。除了构建数据集，我们还利用描述符和表达能力强的图神经网络，结合有效的药物-靶标相互作用（DTI）预测基线进行了基准实验。实验结果表明，CandidateDrug4Cancer 在实际应用中为学习分子图和靶标带来了显著挑战，预示着未来在开发癌症候选药物研究方面的机遇。
引用
@article{arxiv.2203.00836,
title = {CandidateDrug4Cancer: An Open Molecular Graph Learning Benchmark on Drug Discovery for Cancer},
author = {Xianbin Ye and Ziliang Li and Fei Ma and Zongbi Yi and Pengyong Li and Jun Wang and Peng Gao and Yixuan Qiao and Guotong Xie},
journal= {arXiv preprint arXiv:2203.00836},
year = {2022}
}
备注
Accepted by Workshop on Graph Learning Benchmarks, The Web Conference 2021