基于结构的虚拟筛选中用于相互作用预测的深度架构学习
机器学习
2017-09-20 v3 机器学习
摘要
我们引入了一种用于基于结构的虚拟筛选的深度学习架构，该架构通过对每个化合物分别应用可学习的原子卷积和softmax操作，生成蛋白质与小分子的固定尺寸指纹。这些指纹被进一步非线性变换，计算其内积并用于预测结合潜力。此外，我们表明广泛使用的基准数据集可能不足以测试利用机器学习的基于结构的虚拟筛选方法。因此，我们引入了一个基于DUD-E和PDBBind数据库构建的新基准数据集。
引用
@article{arxiv.1610.07187,
title = {Learning Deep Architectures for Interaction Prediction in Structure-based Virtual Screening},
author = {Adam Gonczarek and Jakub M. Tomczak and Szymon Zaręba and Joanna Kaczmar and Piotr Dąbrowski and Michał J. Walczak},
journal= {arXiv preprint arXiv:1610.07187},
year = {2017}
}
备注
Workshop on Machine Learning in Computational Biology. 30th Conference on Neural Information Processing Systems (NIPS 2016), Barcelona, Spain Extended version published in Computers in Biology and Medicine and available online: http://www.sciencedirect.com/science/article/pii/S0010482517302974