CardiGraphormer：揭示自监督学习在革新药物发现中的力量
机器学习
2024-01-17 v4 定量方法
应用统计
机器学习
摘要
在广阔的药物发现领域中，约有 15,000 种已知药物而仅约 4,200 种获批，化学空间的组合特性带来了巨大挑战。尽管人工智能（AI）已成为强大助力，传统 AI 框架仍面临显著障碍。本手稿介绍 CardiGraphormer，一种协同自监督学习（SSL）、图神经网络（GNN）与保基数注意力以革新药物发现的突破性方法。CardiGraphormer 是 Graphormer 与保基数注意力的新颖结合，利用 SSL 学习强效分子表示，并采用 GNN 提取分子指纹，在提升预测性能与可解释性的同时减少计算时间。它擅长处理分子结构等复杂数据，并执行与节点、节点对、子图或整个图结构相关的任务。CardiGraphormer 在药物发现与药物相互作用中的潜在应用广泛，从识别新药靶点到预测药物间相互作用并赋能新颖药物发现。这一创新方法提供了药物开发中 AI 增强的方法论，利用 SSL 结合 GNN 克服现有局限，并为更丰富地探索药物发现中广阔的组合化学空间铺平道路。
引用
@article{arxiv.2307.00859,
title = {CardiGraphormer: Unveiling the Power of Self-Supervised Learning in Revolutionizing Drug Discovery},
author = {Abhijit Gupta},
journal= {arXiv preprint arXiv:2307.00859},
year = {2024}
}
备注
Disagreement with my PhD supervisor about open sourcing the publication and affiliation