通过集成端到端学习与指纹的药物-靶点适应症预测
机器学习
2020-04-28 v2 机器学习
摘要
计算机辅助药物发现研究已被证明是药物发现中一个有前景的方向。近年来，深度学习方法已被应用于该领域中的问题，如药物-靶点相互作用预测，并显示出优于传统筛选方法的改进。一个存在的挑战是如何在深度学习模型中表示化合物-靶点对。尽管存在若干表示方法，但如文献所报道，此类描述符方案在许多情况下往往相互补充。在本研究中，我们提出了一种通过对抗训练的多视图架构，通过集成可微分与预定义的分子描述符来利用这种互补行为。我们在临床相关的基准数据集上进行实验，以证明我们方法的潜力。
引用
@article{arxiv.1912.01163,
title = {Drug-Target Indication Prediction by Integrating End-to-End Learning and Fingerprints},
author = {Brighter Agyemang and Wei-Ping Wu and Michael Y. Kpiebaareh and Ebenezer Nanor},
journal= {arXiv preprint arXiv:1912.01163},
year = {2020}
}
备注
Accepted at IEEE ICCWAMTIP 2019