面向多知识模态统一化 AI 药物发现
机器学习
2023-10-17 v2 人工智能
计算工程、金融与科学
摘要
近年来，从分子结构和蛋白质序列中挖掘内在模式的 AI 模型在加速药物发现方面展现出潜力。然而，这些方法在一定程度上落后于人类专家的真实药物研发方法，后者还掌握来自知识库的结构化知识和来自生物医学文献的非结构化知识。为弥补这一差距，我们提出 KEDD，一个统一、端到端、多模态的深度学习框架，最优地融合结构化与非结构化知识以服务于广泛的 AI 药物发现任务。该框架首先从异构输入中提取潜在特征，再应用多模态融合进行准确预测。为缓解模态缺失问题，我们利用多头稀疏注意力与模态掩码机制鲁棒地提取相关信息。得益于集成知识，我们的框架实现对分子实体的更深理解，在广泛任务与基准上显著优于最先进方法，并展现出辅助真实药物发现的良好潜力。
引用
@article{arxiv.2305.01523,
title = {Towards Unified AI Drug Discovery with Multiple Knowledge Modalities},
author = {Yizhen Luo and Xing Yi Liu and Kai Yang and Kui Huang and Massimo Hong and Jiahuan Zhang and Yushuai Wu and Zaiqing Nie},
journal= {arXiv preprint arXiv:2305.01523},
year = {2023}
}
备注
10 pages, 6 figures