基于对接的虚拟筛选与多任务学习

机器学习在药物发现的虚拟筛选中展现出巨大潜力。当前加速基于对接的虚拟筛选的工作未考虑利用其他先前开发靶点的现有数据。为利用其他靶点的知识并发挥现有数据的优势，本工作中我们将多任务学习应用于基于对接的虚拟筛选问题。借助两个大型对接数据集，大量实验结果表明多任务学习能在对接分数预测上取得更好性能。通过跨多个靶点学习知识，多任务学习训练的模型展现出更强的适应新靶点的能力。额外的实证研究表明，药物发现中的其他问题，如实验性药物-靶点亲和力预测，也可能受益于多任务学习。我们的结果证明，多任务学习是一种很有前景的机器学习方法，可用于基于对接的虚拟筛选并加速药物发现过程。