MLT-LE：利用多任务残差神经网络预测药物-靶点结合亲和力
机器学习
2022-09-15 v1
摘要
评估药物-靶点亲和力是药物发现与开发过程中的关键步骤，但实验获取此类数据既耗时又昂贵。因此，用于预测结合强度的计算方法正被广泛开发。然而，这些方法通常采用单任务方法进行预测，从而忽略了可从数据中提取并用于驱动学习过程的额外信息。此后在本工作中，我们提出一种用于结合强度预测的多任务方法。我们的结果表明，通过利用来自相关任务的附加信息与多任务带来的正则化，这些预测确实可受益于多任务学习（multi-task learning）方法。
引用
@article{arxiv.2209.06274,
title = {MLT-LE: predicting drug-target binding affinity with multi-task residual neural networks},
author = {Elizaveta Vinogradova and Karina Pats and Ferdinand Molnár and Siamac Fazli},
journal= {arXiv preprint arXiv:2209.06274},
year = {2022}
}
备注
Associated data, pre-trained models, and source code are publicly available at https://github.com/VeaLi/MLT-LE