ChemVA：虚拟筛选中化学化合物相似性的交互式视觉分析
图形学
2020-09-01 v1
摘要
在现代药物发现过程中，药物化学家需应对大量候选分子集合分析的复杂性。计算工具（如降维（DR）和分类）常用于高效处理多维特征空间。这些底层计算往往阻碍结果的可解释性，并妨碍专家评估单个分子特征对所得表示的影响。为提供审视此类复杂数据的方案，我们引入了 ChemVA，一个用于大规模分子集合及其特征视觉探索的交互式应用。我们的工具由多个协调视图组成：六边形视图、细节视图、3D 视图、表格视图，以及为比较 DR 投影新提出的差异视图。这些视图展示了 DR 投影，并结合了生物活性、所选分子特征以及各投影的置信度分数。这种视图组合使用户能够下钻浏览数据集并高效筛选候选化合物。我们的方法在两个寻找与靶蛋白具有相似结合亲和力的结构相似配体的案例研究以及一项外部定性评估中进行了验证。结果表明，我们的系统可对不同的高维分子表示进行有效视觉检视与比较。此外，ChemVA 有助于候选化合物的识别，同时提供不同分子表示背后确定性的信息。
引用
@article{arxiv.2008.13150,
title = {ChemVA: Interactive Visual Analysis of Chemical Compound Similarity in Virtual Screening},
author = {María Virginia Sabando and Pavol Ulbrich and Matías Selzer and Jan Byška and Jan Mičan and Ignacio Ponzoni and Axel J. Soto and María Luján Ganuza and Barbora Kozlíková},
journal= {arXiv preprint arXiv:2008.13150},
year = {2020}
}
备注
Accepted for the IEEE VIS 2020 conference