分子结构与扰动诱导转录谱的跨模态表示对齐
定量方法
2020-10-05 v2 机器学习
机器学习
摘要
建模化学结构与分子活性之间的关系是药物开发中的关键目标。已有许多用于分子性质预测的基准任务被提出，但这些任务通常针对特定的、孤立的生物医学性质。本工作中，我们提出了一种新的跨模态小分子检索任务，旨在迫使模型学习将小分子的结构与其诱导的转录变化相关联。我们将该任务形式化地发展为多视图对齐问题，并提出了一种协调的深度学习方法，联合优化化学结构与扰动基因表达谱的表示。我们将结果与预言模型和有原则的基线进行基准比较，发现细胞系变异性显著影响该领域的性能。我们的工作确立了这一新任务的可行性，阐明了当前数据与系统的局限性，并可能促进未来在小分子表示学习方面的研究。
引用
@article{arxiv.1911.10241,
title = {Cross-modal representation alignment of molecular structure and perturbation-induced transcriptional profiles},
author = {Samuel G. Finlayson and Matthew B. A. McDermott and Alex V. Pickering and Scott L. Lipnick and Isaac S. Kohane},
journal= {arXiv preprint arXiv:1911.10241},
year = {2020}
}
备注
Accepted for oral presentation at the Pacific Symposium of Biocomputing, 2021