Chemi-net：用于精确药物性质预测的图卷积网络
机器学习
2018-03-22 v2 定量方法
摘要
吸收、分布、代谢和排泄（ADME）研究对药物发现至关重要。传统上，这些任务与其他化学性质预测一样，依赖于特定领域的特征描述符或指纹。继神经网络近期取得成功之后，我们开发了 Chemi-Net，这是一种完全由数据驱动、无需领域知识且用于 ADME 性质预测的深度学习方法。为了比较 Chemi-Net 与 Amgen 常用的流行机器学习程序之一 Cubist 的相对性能，我们在 Amgen 内部进行了一项大规模 ADME 性质预测研究。结果表明，我们的深度神经网络方法大幅改进了现有方法。我们预见，Chemi-Net 在 ADME 预测上相较于 Cubist 显著提升的准确性将极大地加速药物发现。
引用
@article{arxiv.1803.06236,
title = {Chemi-net: a graph convolutional network for accurate drug property prediction},
author = {Ke Liu and Xiangyan Sun and Lei Jia and Jun Ma and Haoming Xing and Junqiu Wu and Hua Gao and Yax Sun and Florian Boulnois and Jie Fan},
journal= {arXiv preprint arXiv:1803.06236},
year = {2018}
}