利用k-mer和基于片段的指纹扩展分子指纹的化学表示
生物大分子
2024-04-01 v1 机器学习
化学物理
摘要
本研究引入一种结合子结构计数、k-mer和类Daylight指纹的新方法，以扩展SMILES字符串中化学结构的表示。该集成方法生成全面的分子嵌入，增强了区分能力和信息内容。实验评估表明，该方法优于传统的Morgan指纹、MACCS和单独使用的Daylight指纹，改进了药物分类等化学信息学任务。所提出的方法提供了更具信息量的化学结构表示，推进了分子相似性分析，并促进了分子设计和药物发现中的应用。它为分子结构分析和设计提供了一条有前景的途径，具有巨大的实际应用潜力。
引用
@article{arxiv.2403.19844,
title = {Expanding Chemical Representation with k-mers and Fragment-based Fingerprints for Molecular Fingerprinting},
author = {Sarwan Ali and Prakash Chourasia and Murray Patterson},
journal= {arXiv preprint arXiv:2403.19844},
year = {2024}
}
备注
12 Pages, 3 tables, Accepted at SimBig2023