使用深度学习进行毒性预测
机器学习
2015-03-06 v1 机器学习
神经与进化计算
生物大分子
摘要
我们每天都会通过食品添加剂、清洁和化妆品以及药品接触到各种化学物质——其中一些可能是有毒的。然而，通过生物实验测试所有现有化合物的毒性在财务和物流上都是不可行的。因此，政府机构 NIH、EPA 和 FDA 在“21世纪毒理学”（Tox21）倡议下发起了 Tox21 数据挑战赛。该挑战赛的目标是评估计算方法在预测化合物毒性方面的性能。当时最先进的毒性预测方法建立在经过数十年开发的专门设计的化学描述符之上。尽管深度学习对该领域来说是新事物，且从未应用于毒性预测，但它明显优于所有其他参与的方法。在这篇应用论文中，我们展示了深度网络能够自动学习类似于公认的 toxicophores 的特征。总而言之，我们的深度学习方法赢得了两个面板挑战赛（核受体和应激反应）以及总挑战赛的冠军，从而为毒性预测设定了新的标准。
引用
@article{arxiv.1503.01445,
title = {Toxicity Prediction using Deep Learning},
author = {Thomas Unterthiner and Andreas Mayr and Günter Klambauer and Sepp Hochreiter},
journal= {arXiv preprint arXiv:1503.01445},
year = {2015}
}