亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于CNN模型的小分子活性預(yù)測

        2023-07-17 14:50:13霍旭祥徐峻
        關(guān)鍵詞:深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

        霍旭祥 徐峻

        摘要:計算機(jī)輔助藥物設(shè)計(Computcr-Aidcd Drug Dcsign,CADD)已成為當(dāng)今藥物研發(fā)不可或缺的一部分。采用傳統(tǒng)的方法預(yù)測小分子結(jié)合自由能有一定的局限性,由于傳統(tǒng)方法默認(rèn)了小分子的結(jié)構(gòu)信息與結(jié)合能之間是線性的關(guān)系,而對于結(jié)構(gòu)化學(xué)信息二者之間并不是線性關(guān)系的情況,其預(yù)測結(jié)果并不是十分準(zhǔn)確。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,我們可以通過神經(jīng)網(wǎng)絡(luò)對線性問題或者是非線性問題進(jìn)行建模,以在小分子的結(jié)構(gòu)信息與其結(jié)合能之間建立線性或者非線性的聯(lián)系,使其預(yù)測的結(jié)果準(zhǔn)確率有所提高。

        關(guān)鍵詞:深度學(xué)習(xí);神經(jīng)網(wǎng)絡(luò);小分子結(jié)合能預(yù)測;計算機(jī)輔助藥物設(shè)計

        中圖法分類號:TP391 文獻(xiàn)標(biāo)識碼:A

        1 引言

        計算機(jī)輔助藥物設(shè)計已成為現(xiàn)代藥物研發(fā)的重要手段,其在藥物分子設(shè)計、活性預(yù)測、藥效優(yōu)化和副作用評估等方面的應(yīng)用,將為藥物研發(fā)和臨床應(yīng)用做出重要的貢獻(xiàn)[1] 。這種方法的引入不僅可以輔助研發(fā)藥物,甚至成為推動或決定藥物研發(fā)成敗的主要因素,這種方法改變了以往通過大量實驗篩選進(jìn)行藥物研發(fā)的傳統(tǒng)模式。結(jié)合神經(jīng)網(wǎng)絡(luò)與計算機(jī)技術(shù)進(jìn)行藥物研發(fā)已經(jīng)越來越普遍,北京大學(xué)、中國科學(xué)院上海藥物研究所、中國科學(xué)院長春應(yīng)用化學(xué)研究所等高校和科研單位將人工神經(jīng)網(wǎng)絡(luò)法與分子模擬研究相結(jié)合[2~3] ,并將其直接用于指導(dǎo)實際的藥物合成,取得了很好的研究成果。

        2 相關(guān)工作

        本文主要研究預(yù)測小分子的結(jié)合能,在傳統(tǒng)的預(yù)測小分子結(jié)合能的方法基礎(chǔ)上加入深度學(xué)習(xí)的一些方法,通過卷積神經(jīng)網(wǎng)絡(luò)提取特征,使預(yù)測小分子結(jié)合能的準(zhǔn)確率有所提高。在此研究過程中,使用了三維定量構(gòu)效關(guān)系(3D?QSAR)的方法,所謂三維定量構(gòu)效關(guān)系是引入了分子三維結(jié)構(gòu)信息并結(jié)合物理化學(xué)中常用經(jīng)驗方法的數(shù)學(xué)方法[4~6] 。在此基礎(chǔ)上,利用卷積神經(jīng)網(wǎng)絡(luò)提取小分子的空間特征,小分子的空間特征主要包括小分子中原子的類型、原子的三維坐標(biāo),通過獲取這些空間信息進(jìn)行特征提取并找到結(jié)合能與其之間的聯(lián)系,從而有利于提高預(yù)測小分子結(jié)合能的準(zhǔn)確率。利用數(shù)學(xué)模型來擬合分子結(jié)構(gòu)和分子活性之間的關(guān)系,使預(yù)測小分子活性值的準(zhǔn)確率有所提高。

        3 預(yù)測模型的網(wǎng)絡(luò)架構(gòu)

        3.1 卷積神經(jīng)網(wǎng)絡(luò)模型架構(gòu)

        3D Convolutional Neural Networks (3D?CNNs) 是一種用于處理三維數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)。3D?CNNs可以學(xué)習(xí)高級特征,并進(jìn)行分類或回歸。

        三維卷積神經(jīng)網(wǎng)絡(luò)(3D CNN)是在三維數(shù)據(jù)上進(jìn)行卷積計算的神經(jīng)網(wǎng)絡(luò)模型,通常用于處理視頻、醫(yī)學(xué)影像等具有時間和空間信息的數(shù)據(jù)。其一般架構(gòu)包括輸入層、卷積層、池化層、全連接層和輸出層。其中,卷積層用于提取輸入數(shù)據(jù)的特征,池化層用于對特征圖進(jìn)行下采樣,降低數(shù)據(jù)維度,全連接層將池化后的特征圖轉(zhuǎn)化為一維向量,最后通過輸出層將向量映射為分類或回歸結(jié)果。

        3.2 預(yù)測模型網(wǎng)絡(luò)架構(gòu)

        在對預(yù)測模型進(jìn)行相關(guān)研究后,開始構(gòu)建預(yù)測模型體系結(jié)構(gòu),如圖1 所示。

        其中,總共使用了7 個卷積層和2 個密集層處理網(wǎng)格數(shù)據(jù),以生成嵌入特征。7 個三維卷積層卷積核的大小分別為128,256,512,1024,512,128 和256。模型輸出為復(fù)合物的結(jié)合自由能值。對于L3D?MLP 模型,添加了6 個額外的致密層(即MLP塊),其與生物活性數(shù)據(jù)相關(guān),而在L3D?PLS 模型中,PLS 模型取代了MLP 塊來預(yù)測生物活性。對于這2 種模型,將pIC50 的平均標(biāo)準(zhǔn)誤差作為損失函數(shù),表達(dá)式為:

        4 實驗數(shù)據(jù)

        4.1 數(shù)據(jù)來源

        通過爬取各種開源數(shù)據(jù)庫中的數(shù)據(jù)獲得各種不同靶點不同分子的數(shù)據(jù),并將其整理成需要的數(shù)據(jù)集,最終得到20 個不同靶點對應(yīng)的2 000 多個分子的數(shù)據(jù),結(jié)果如表1 所列。

        4.2 模型評估標(biāo)準(zhǔn)與實驗結(jié)果

        在本模型中,使用相關(guān)系數(shù)R2 和交叉驗證Q2 評估了L3D?PLS 在30 個不同公開數(shù)據(jù)集上的性能。對于一組預(yù)測值(ypred )和參考值(yref ),其計算公式為:

        R2 的取值范圍在0~1,其中R2 =1 說明預(yù)測值完全解釋了實際值的變化,模型預(yù)測效果最佳。R2 = 0則表示預(yù)測值完全無法解釋實際值的變化,模型預(yù)測效果最差。我們比較了PyCoMFA,L3D?MLP 和L3D?PLS 3 種QSAR 模型的性能。在20 個測試集上的R2結(jié)果如表2 所列。L3D?PLS 在10 個數(shù)據(jù)集中表現(xiàn)最好,PyCoMFA 和L3D?MLP 分別在7 個和3 個數(shù)據(jù)集上表現(xiàn)最好。與單獨在這20 個基準(zhǔn)測試上的PyCoMFA 模型相比,L3D?MLP 和L3D?PLS 在10 個和12 個數(shù)據(jù)集上顯示出優(yōu)越的性能。

        5 結(jié)束語

        CoMFA 是一種力場與藥物分子活性定量相關(guān)的方法,通過CoMFA,科研可以預(yù)測配體的性質(zhì),并利用其建立定量模型來設(shè)計新的化合物、預(yù)測化合物的活性,以及藥物化學(xué)家可以指導(dǎo)配體的設(shè)計,這也是CoMFA 的一個主要功能。目前,L3D?PLS 模型雖然可以得到更好的預(yù)測pic50 的結(jié)果,但目前仍無法實現(xiàn)。在未來的工作中,我們將探索該模型的更多應(yīng)用來實現(xiàn)這一目標(biāo),同時將嘗試將深度學(xué)習(xí)方法與傳統(tǒng)方法相結(jié)合,以創(chuàng)建更好的算法來解決這些問題。

        參考文獻(xiàn):

        [1] 呂婷婷,禹文韜,張慧琳.面向抗乳腺癌候選藥物拮抗雌激素受體α 生物活性的定量構(gòu)效關(guān)系模型構(gòu)建[J].中南藥學(xué),2022,20(11):2542?2548.

        [2] 田淇,李耀旺,李博.活性肽定量構(gòu)效關(guān)系建模過程中1 種肽段長度不等的表征方法的建立[J]. 中國食品學(xué)報,2021,21(4):28?38.

        [3] 馬瑤,智敏,殷雁君,等.CNN 和Transformer 在細(xì)粒度圖像識別中的應(yīng)用綜述[J].計算機(jī)工程與應(yīng)用,2022,58(19):53?63.

        [4] 鈕嘉銘,楊宇.基于CNN 的人群計數(shù)與密度估計研究綜述[J].軟件導(dǎo)刊,2021,20(8):247?252.

        [5] 陳芳,王建龍,陳麗珍,等.ε?CL?20/ F_(2311)PBXs 力學(xué)性能和結(jié)合能的分子動力學(xué)模擬[J].原子與分子物理學(xué)報,2015,32(3):360?365.

        [6] 劉達(dá)山,劉潞琦,張光馳,等.基于深度學(xué)習(xí)的Attention 機(jī)制文獻(xiàn)綜述[J].信息技術(shù)與信息化,2023(1):189?194.

        作者簡介:

        霍旭祥(1998—),碩士,研究方向:計算化學(xué)。

        徐峻(1958—),教授,研究方向:中藥藥效組學(xué)、醫(yī)藥化學(xué)、藥物設(shè)計、化學(xué)信息學(xué)、多變量統(tǒng)計分析、化學(xué)結(jié)構(gòu)圖論算法、化學(xué)結(jié)構(gòu)專利文獻(xiàn)檢索引擎、蛋白質(zhì)NMR 結(jié)構(gòu)解析和模擬。

        猜你喜歡
        深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
        神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
        電子制作(2019年19期)2019-11-23 08:42:00
        有體驗的學(xué)習(xí)才是有意義的學(xué)習(xí)
        電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識別研究
        MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
        大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
        深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
        基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
        軟件工程(2016年8期)2016-10-25 15:47:34
        基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
        復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
        基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
        超碰人人超碰人人| 中文字幕一区二区va| 99蜜桃在线观看免费视频| 国产成人精品无码片区在线观看| 55夜色66夜色国产精品视频| 国产农村妇女精品一二区| 在线永久看片免费的视频| 精品无码AV无码免费专区| 伊人久久婷婷综合五月97色| 蜜臀av一区二区三区久久| 啦啦啦www在线观看免费视频| 欧美在线三级艳情网站| 蜜臀av一区二区三区人妻在线| 亚洲av产在线精品亚洲第三站| 亚洲成aⅴ人片久青草影院 | 丰满熟女人妻中文字幕免费| 国产综合激情在线亚洲第一页 | 精品人妻一区二区视频| 欧美又大又硬又粗bbbbb| 日本老熟妇毛茸茸| 精品91亚洲高清在线观看| 人妻少妇精品系列一区二区| 亚洲精品一区二区高清| 国产女人水真多18毛片18精品| 午夜高清福利| 一区二区三区视频免费观看在线| 国产亚洲精品一区在线| 色先锋av影音先锋在线| 国产AV无码专区亚洲AⅤ| 亚州韩国日本区一区二区片| 一本色道久久亚洲综合| 国产激情久久久久久熟女老人av| 欧美与黑人午夜性猛交久久久| 一级毛片不卡在线播放免费| 精品久久久无码不卡| 午夜视频在线观看国产| 亚洲另类无码专区首页| a在线观看免费网站大全| 开心五月婷婷综合网站| 极品一区二区在线视频观看| 无码字幕av一区二区三区|