使用深度学习预测用于化疗的小分子激酶抑制剂
生物大分子
2019-07-02 v1 机器学习
摘要
当前癌症治疗已从一刀切的细胞毒化疗，转向针对各肿瘤基因弱点的更具个体化和特异性的方法。不同肿瘤，即便是同类型，也可能比其他肿瘤更依赖某些细胞通路。借助现代癌症基因组测序理解的进展，这些通路可被发掘。然而，在体外针对每个激酶考察数百万种可能的小分子抑制剂将极其昂贵且耗时。本项目聚焦于使用多种深度学习模型预测靶向 8 种不同激酶的小分子抑制活性。我们训练了基于指纹的多层感知机（MLP）、基于简化分子线性输入规范（SMILES）的循环神经网络（RNN）以及分子图卷积网络（GCN），以准确预测针对这 8 种激酶的抑制活性。
引用
@article{arxiv.1907.00329,
title = {Prediction of Small Molecule Kinase Inhibitors for Chemotherapy Using Deep Learning},
author = {Niranjan Balachandar and Christine Liu and Winston Wang},
journal= {arXiv preprint arXiv:1907.00329},
year = {2019}
}
备注
15 pages, 8 figures, 3 tables