用于药物制剂体外预测的深度学习
机器学习
2018-12-05 v1 机器学习
摘要
当前药物制剂开发仍强烈依赖于药物科学家个人经验的传统试错方法，这种方法费力、耗时且成本高。近来，深度学习因其重要的自动特征提取能力已广泛应用于许多具有挑战性的领域。本研究的目的是使用深度学习预测药物制剂。本文选择了两种不同类型的剂型作为模型系统。采用适用于药剂学的评价标准来评估模型的性能。此外，开发了一种自动数据集选择算法，用于选取代表性数据作为验证和测试数据集。将六种机器学习方法与深度学习进行比较。结果表明，两个深度神经网络的准确率均在 80% 以上，且高于其他机器学习模型，显示出对药物制剂的良好预测能力。总之，首次开发了结合自动数据划分算法和适用于药物制剂数据的评价标准的深度学习，用于药物制剂的预测。药剂学与人工智能的跨学科融合可能将药物研究的范式从经验依赖研究转向数据驱动方法。
引用
@article{arxiv.1809.02069,
title = {Deep learning for in vitro prediction of pharmaceutical formulations},
author = {Yilong Yang and Zhuyifan Ye and Yan Su and Qianqian Zhao and Xiaoshan Li and Defang Ouyang},
journal= {arXiv preprint arXiv:1809.02069},
year = {2018}
}