期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
针对低数据量COVID-19靶点的活性预测深度学习模型
被引量:
1
1
作者
梁书然
霍文博
+3 位作者
申万祥
陈宇综
蒋宇扬
谭英
《中国现代应用药学》
CAS
CSCD
北大核心
2022年第21期2872-2878,共7页
目的为应对新型冠状病毒肺炎(Corona Virus Disease 2019,COVID-19),发现针对低数据量COVID-19靶点(已知抑制剂<300种)的可再利用药物和新药。方法使用一种性能优于药物基准数据集上最先进的深度学习模型的深度学习架构MolMapNet,开...
目的为应对新型冠状病毒肺炎(Corona Virus Disease 2019,COVID-19),发现针对低数据量COVID-19靶点(已知抑制剂<300种)的可再利用药物和新药。方法使用一种性能优于药物基准数据集上最先进的深度学习模型的深度学习架构MolMapNet,开发新的深度学习模型,用于预测基于知识的分子表示方式的药物特性。针对6个低数据量COVID-19靶点进行活性预测,这些靶点分别有34,51,81,155,161,241种已知抑制剂。并与使用更高数据集靶点训练的机器学习和深度学习模型(具有5478~10000种已知抑制剂)进行比较。结果在10倍交叉验证下进行模型测试,并使用测试集预测了这6个靶点的抑制剂的活性值。RMSE为0.442~0.917,MAE为0.358~0.749,R^(2)为0.436~0.761。结论在已批准药物中筛选针对COVID-19的潜在药物,确定了3种与文献报道的实验结果一致的可再利用药物。这些表明了该深度学习模型在针对COVID-19和其他疾病的低数据量靶点活性预测方面的潜力。
展开更多
关键词
新型冠状病毒肺炎
药物发现
药物再利用
深度学习
活性预测
低数据量靶点
原文传递
题名
针对低数据量COVID-19靶点的活性预测深度学习模型
被引量:
1
1
作者
梁书然
霍文博
申万祥
陈宇综
蒋宇扬
谭英
机构
清华大学深圳国际研究生院
新加坡国立大学
深圳湾实验室
出处
《中国现代应用药学》
CAS
CSCD
北大核心
2022年第21期2872-2878,共7页
基金
国家重点研究计划合成生物学专项(2019YFA0905901)。
文摘
目的为应对新型冠状病毒肺炎(Corona Virus Disease 2019,COVID-19),发现针对低数据量COVID-19靶点(已知抑制剂<300种)的可再利用药物和新药。方法使用一种性能优于药物基准数据集上最先进的深度学习模型的深度学习架构MolMapNet,开发新的深度学习模型,用于预测基于知识的分子表示方式的药物特性。针对6个低数据量COVID-19靶点进行活性预测,这些靶点分别有34,51,81,155,161,241种已知抑制剂。并与使用更高数据集靶点训练的机器学习和深度学习模型(具有5478~10000种已知抑制剂)进行比较。结果在10倍交叉验证下进行模型测试,并使用测试集预测了这6个靶点的抑制剂的活性值。RMSE为0.442~0.917,MAE为0.358~0.749,R^(2)为0.436~0.761。结论在已批准药物中筛选针对COVID-19的潜在药物,确定了3种与文献报道的实验结果一致的可再利用药物。这些表明了该深度学习模型在针对COVID-19和其他疾病的低数据量靶点活性预测方面的潜力。
关键词
新型冠状病毒肺炎
药物发现
药物再利用
深度学习
活性预测
低数据量靶点
Keywords
COVID-19
drug discovery
drug repurposing
deep learning
activity prediction
low-data targets
分类号
R914.2 [医药卫生—药物化学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
针对低数据量COVID-19靶点的活性预测深度学习模型
梁书然
霍文博
申万祥
陈宇综
蒋宇扬
谭英
《中国现代应用药学》
CAS
CSCD
北大核心
2022
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部