基于奥利维耶持续里奇曲率（OPRC）的面向药物设计的分子表示
生物大分子
2020-11-23 v1
摘要
高效的分子特征化是药物设计中机器学习模型的主要问题之一。本文首次提出持续里奇曲率（PRC），特别是奥利维耶持续里奇曲率（OPRC），用于分子特征化与特征工程。我们采用持续同调中提出的过滤过程来生成一系列嵌套的分子图。这些嵌套图上奥利维耶里奇曲率的持续性与变化被定义为奥利维耶持续里奇曲率。此外，过滤过程中 OPRC 的统计与组合性质（即持续属性）被用作分子描述符，并进一步与机器学习模型（特别是梯度提升树（GBT））相结合。我们的 OPRC-GBT 模型被用于预测蛋白-配体结合亲和力，这是药物设计中的关键步骤之一。基于来自成熟蛋白-配体结合数据库 PDBbind 的三个最常用数据集，我们充分测试了模型并与现有模型进行比较。结果发现，我们的模型优于所有使用传统分子描述符的机器学习模型。
引用
@article{arxiv.2011.10281,
title = {Ollivier persistent Ricci curvature (OPRC) based molecular representation for drug design},
author = {JunJie Wee and Kelin Xia},
journal= {arXiv preprint arXiv:2011.10281},
year = {2020}
}
备注
38 pages, 9 figures