基于结构的网络用于药物验证
定量方法
2018-11-28 v1 人工智能
机器学习
机器学习
摘要
根据推定的作用模式（MOA）对化学品进行分类在风险评估中至关重要。然而，现有方法仅能处理已有化学品中极小的一部分。我们通过提出一种整合深度学习架构来解决此问题，该架构从药物分子结构及其对人体细胞的作用中学习联合表示。我们选择该架构的动机是药物化学结构对其 MOA 的显著影响。我们通过添加另一个处理受药物影响的人体细胞转录响应的学习流，改进了单模态架构（F1 分数 0.803）按毒性 MOA（Verhaar 方案）分类药物的强大能力。我们的整合模型在 LINCS L1000 数据集上取得了更高的分类性能——误差降低了 4.6%。我们相信我们的方法可用于扩展当前的 Verhaar 方案，并构成快速药物验证与风险评估的基础。
引用
@article{arxiv.1811.09714,
title = {Structure-Based Networks for Drug Validation},
author = {Cătălina Cangea and Arturas Grauslys and Pietro Liò and Francesco Falciani},
journal= {arXiv preprint arXiv:1811.09714},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216