基于多模态深度学习的毒性预测
机器学习
2019-07-22 v1 化学物理
机器学习
摘要
化合物毒性水平的预测是定量构效关系（QSAR）建模中的一个重要问题。尽管近年来通过深度学习毒性预测已取得显著进展，但即便最新方法的预测精度仍不够高。我们提出一种使用多种异构神经网络类型与数据表示的多模态深度学习方法。我们用字符串、图像和数值特征表示化合物。我们训练全连接、卷积和循环神经网络及其集成。每种数据表示或神经网络类型各有优劣。我们的动机是获得一种集体性能，超越任一数据表示或任一神经网络类型的单独性能。在一个标准毒性基准上，我们提出的方法取得了显著优于当前最优（SOTA）毒性预测方法的精度。
引用
@article{arxiv.1907.08333,
title = {Toxicity Prediction by Multimodal Deep Learning},
author = {Abdul Karim and Jaspreet Singh and Avinash Mishra and Abdollah Dehzangi and M. A. Hakim Newton and Abdul Sattar},
journal= {arXiv preprint arXiv:1907.08333},
year = {2019}
}
备注
Preprint Version