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
2
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
一种用SMILES码构建虚拟组合化学库的新方法
被引量:
1
1
作者
廖晨钟
石乐明
+1 位作者
周家驹
鲁先平
《计算机与应用化学》
CAS
CSCD
北大核心
2005年第4期247-252,共6页
提出了一种利用SMILES码构建虚拟组合化学库的新方法。该方法用SMILES码代表骨架和侧链,通过对其进行排列组合生成虚拟组合化学库。用户可设定ADME筛选条件对生成的库进行初筛,以舍弃在理论上药代动力学行为不好的分子。该法通过构建一...
提出了一种利用SMILES码构建虚拟组合化学库的新方法。该方法用SMILES码代表骨架和侧链,通过对其进行排列组合生成虚拟组合化学库。用户可设定ADME筛选条件对生成的库进行初筛,以舍弃在理论上药代动力学行为不好的分子。该法通过构建一个抗2型糖尿病药物虚拟组合化学库(A2DDVCL)而得到了验证。A2DDVCL建立在过氧化物酶增殖体活化受体(PPAR)配体的基础上,拟从其中发现治疗慢性代谢疾病特别是2型糖尿病的药物。
展开更多
关键词
smiles码
虚拟组合化学库
PPAR
2型糖尿病
药物发现
原文传递
融合堆叠自编码神经网络算法和全连接神经网络算法的化合物成药性预测模型
被引量:
3
2
作者
潘蕾
倪冰苇
赵鸿萍
《中国新药杂志》
CAS
CSCD
北大核心
2021年第14期1309-1315,共7页
目的:基于深度学习方法建立更加稳定、可靠、高实用性的化合物成药性预测模型。方法:通过Integrity, Chembl和DrugBank这3个数据库收集正、负样本数据,对正负样本大数据集进行数据清洗、解决数据不平衡问题之后,进一步对化合物的简化分...
目的:基于深度学习方法建立更加稳定、可靠、高实用性的化合物成药性预测模型。方法:通过Integrity, Chembl和DrugBank这3个数据库收集正、负样本数据,对正负样本大数据集进行数据清洗、解决数据不平衡问题之后,进一步对化合物的简化分子线性输入规范(SMILES)码进行标准化编码,在此基础上基于堆叠自编码神经网络算法(Stacked AutoEncoder, SAE)以及全连接神经网络算法(Fully Connected Neural Network, FCNN)构建并训练深度神经网络模型,对化合物进行特征提取,预测化合物的成药性。结果:模型最终稳定收敛,在验证集上准确率(ACC)和曲线下面积(AUC)分别达到0.995 3和0.992 7,较之前文献报道的基于机器学习的模型提高了约3%的预测精度。结论:基于大数据集和深度神经网络技术构建的化合物成药性预测模型具备一定的实用性,可以提高化合物成药性预测的精准度。
展开更多
关键词
堆叠自编
码
神经网络
全连接神经网络
深度学习
smiles码
成药性预测
原文传递
题名
一种用SMILES码构建虚拟组合化学库的新方法
被引量:
1
1
作者
廖晨钟
石乐明
周家驹
鲁先平
机构
深圳微芯生物科技有限公司
中国科学院过程工程研究所
出处
《计算机与应用化学》
CAS
CSCD
北大核心
2005年第4期247-252,共6页
基金
国家十五重大科技专项"创新药物与中药现代化"资助项目(2002AA223146)3项国家863资助项目(2002AA234041
2002AA234021
2002AAl04270)广东省2002年重大项目招标中标项目(2002-108)
文摘
提出了一种利用SMILES码构建虚拟组合化学库的新方法。该方法用SMILES码代表骨架和侧链,通过对其进行排列组合生成虚拟组合化学库。用户可设定ADME筛选条件对生成的库进行初筛,以舍弃在理论上药代动力学行为不好的分子。该法通过构建一个抗2型糖尿病药物虚拟组合化学库(A2DDVCL)而得到了验证。A2DDVCL建立在过氧化物酶增殖体活化受体(PPAR)配体的基础上,拟从其中发现治疗慢性代谢疾病特别是2型糖尿病的药物。
关键词
smiles码
虚拟组合化学库
PPAR
2型糖尿病
药物发现
Keywords
smiles
, virtual combinatorial library, PPAR, type 2 diabetes, drug discovery
分类号
R914.2 [医药卫生—药物化学]
原文传递
题名
融合堆叠自编码神经网络算法和全连接神经网络算法的化合物成药性预测模型
被引量:
3
2
作者
潘蕾
倪冰苇
赵鸿萍
机构
中国药科大学理学院
出处
《中国新药杂志》
CAS
CSCD
北大核心
2021年第14期1309-1315,共7页
基金
国家自然科学基金面上项目(81973512)
中国药科大学校级教学改革研究课题重点项目(3050050188)。
文摘
目的:基于深度学习方法建立更加稳定、可靠、高实用性的化合物成药性预测模型。方法:通过Integrity, Chembl和DrugBank这3个数据库收集正、负样本数据,对正负样本大数据集进行数据清洗、解决数据不平衡问题之后,进一步对化合物的简化分子线性输入规范(SMILES)码进行标准化编码,在此基础上基于堆叠自编码神经网络算法(Stacked AutoEncoder, SAE)以及全连接神经网络算法(Fully Connected Neural Network, FCNN)构建并训练深度神经网络模型,对化合物进行特征提取,预测化合物的成药性。结果:模型最终稳定收敛,在验证集上准确率(ACC)和曲线下面积(AUC)分别达到0.995 3和0.992 7,较之前文献报道的基于机器学习的模型提高了约3%的预测精度。结论:基于大数据集和深度神经网络技术构建的化合物成药性预测模型具备一定的实用性,可以提高化合物成药性预测的精准度。
关键词
堆叠自编
码
神经网络
全连接神经网络
深度学习
smiles码
成药性预测
Keywords
Stacked AutoEncoder
Fully Connected Neural Network
deep learning
smiles
probability prediction of a lead compound becoming a drug
分类号
R95 [医药卫生—药学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
一种用SMILES码构建虚拟组合化学库的新方法
廖晨钟
石乐明
周家驹
鲁先平
《计算机与应用化学》
CAS
CSCD
北大核心
2005
1
原文传递
2
融合堆叠自编码神经网络算法和全连接神经网络算法的化合物成药性预测模型
潘蕾
倪冰苇
赵鸿萍
《中国新药杂志》
CAS
CSCD
北大核心
2021
3
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