腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

DrugAI

关注人工智能与化学、生物、药学和医学的交叉领域进展，提供“原创、专业、实例”的解读分享。

专栏作者

1050

文章

642647

阅读量

112

订阅数

十年对数据集偏差的斗争：我们达到目标了吗？

模型数据网络神经网络架构

今天为大家介绍的是来自Kaiming He团队的一篇论文。在这个有着大规模、多样化且希望较少偏差的数据集以及更加强大的神经网络架构的新时代，作者重新审视了十年前Torralba和Efros提出的“数据集分类”实验。

2024-04-19

820

Nat. Biotechnol. | 蛋白质结构和序列的生成模型

nat 架构模型数据神经网络

今天为大家介绍的是来自Jennifer Listgarten团队的一篇概述论文。像ChatGPT和DALL-E2这样的模型可以根据文本提示生成文本和图像。尽管它们处理的数据类型和目标不同，但生成模型在蛋白质工程方面同样具有巨大的潜力。

2024-03-18

1130

J. Chem. Inf. Model. | Chemprop一个用于化学性质预测的机器学习软件包

神经网络 model 模型数据机器学习

今天为大家介绍的是来自Charles J. McGill团队的一篇论文。深度学习在分子性质预测中有了广泛的应用。目前非专家用户对开源、多功能软件解决方案有着急切的需求。定向消息传递神经网络（D-MPNNs）是一种有效的深度学习方法，它在多种性质预测任务中表现出色。因此作者发布了他们的方法，Chemprop，它实现了D-MPNN架构，并且提供了简单、易用、快速访问机器学习分子性质的方法。

2024-01-25

3350

ACS Cent. Sci. | 可解释的机器学习在代谢组数据上揭示帕金森病的生物标志物

机器学习神经网络模型数据性能

今天为大家介绍的是来自William A. Donald团队的一篇论文。论文介绍了一种基于机器学习（ML）的方法，用于处理代谢组数据，旨在早期诊断疾病。虽然机器学习与代谢组学的结合提供了早期诊断疾病的机会，但由于解释疾病预测模型的挑战以及分析大量相关且“嘈杂”的化学特征的困难，这种方法的准确性和获取的信息量可能受到限制。在这项研究中，研究团队报告了一种可解释的神经网络框架，它可以准确地预测疾病并在不需要预先选择特征的情况下，使用完整的代谢组数据集识别重要的生物标志物。

2024-01-03

1860

Cell Systems | 深度学习开启蛋白质设计新时代

神经网络深度学习 cell 模型设计

今天为大家介绍的是来自Bruno Correia团队的一篇综述。深度学习领域的迅速进步对蛋白质设计产生了显著影响。最近，深度学习方法在蛋白质结构预测方面取得了重大突破，使我们能够得到数百万种蛋白质的高质量模型。结合用于生成建模和序列分析的新型架构，这些方法在过去几年里显著地革新了蛋白质设计领域，提高了识别新蛋白质序列和结构的准确性和能力。深度神经网络现在能够学习和提取蛋白质结构的基本特征，预测它们与其他生物分子的相互作用，并且有潜力创造用于治疗疾病的新有效药物。

2023-12-19

2280

Nat. Chem. | 利用高通量实验和几何深度学习实现药物后期多样化

神经网络深度学习 nat 模型数据

今天为大家介绍的是来自David B. Konrad , Uwe Grether , Rainer E. Martin & Gisbert Schneider团队的一篇论文。物候选物的后期功能化是一种经济有效的优化方法，但药物分子的化学复杂性常常使得这一阶段的多样化变得具有挑战性。为了解决这个问题，研究团队开发了一个平台。平台以硼化作为药物后期功能化的关键步骤，运用计算模型预测了在多种反应条件下的产率，平均绝对误差在4-5%之间。

2023-12-19

1200

Nat. Mach. Intell. | 通过深度神经网络联合建模多个切片来构建一个三维全生物体空间图谱

神经网络 nat 模型数据网络

今天为大家介绍的是来自Angela Ruohao Wu 和Can Yang团队的一篇论文。空间转录组学（ST）技术正在革新探索组织空间结构的方式。目前，ST数据分析通常局限于单个二维（2D）组织切片，这限制了我们理解在三维（3D）空间中发生的生物过程的能力。在这里，作者介绍了STitch3D，这是一个统一的框架，它整合多个ST切片以重建3D细胞结构。通过联合建模多个切片并将其与单细胞RNA测序数据整合，STitch3D同时识别出具有一致基因表达水平的3D空间区域，并揭示了3D细胞类型分布。

2023-12-14

1710

Nature | 生成式AI模型设计自然界中未发现的蛋白质

神经网络架构开发模型设计

大家好，今天给大家分享一篇近期发表在Nature上的研究进展，题为：Illuminating protein space with a programmable generative model。该工作的通讯作者是马萨诸塞州萨默维尔Generate Biomedicines公司的Gevorg Grigoryan博士。

2023-11-27

2990

J. Chem. Inf. Model. | 评估图神经网络和迁移学习在口服吸收率预测中的应用

神经网络迁移学习 model 模型性能

今天为大家介绍的是来自Yunpeng Lu团队的一篇论文。口服生物利用度是药物发现中的重要药代动力学属性。最近开发的计算模型涉及使用分子描述符、指纹和传统机器学习模型。然而，确定分子描述符的类型需要领域专家知识和进行特征选择所需的时间。随着图神经网络（GNN）的出现，模型可以被训练成自动提取它们认为重要的特征。作者利用了GNN的自动特征选择来预测口服生物利用度。为了增强GNN的预测性能，作者利用迁移学习预训练了一个模型来预测溶解度，并获得了最终的平均准确度为0.797，F1得分为0.840，AUC-ROC为0.867，这超过了先前在相同测试数据集上预测口服生物利用度的研究成果。

2023-10-09

2220

Science | 闻香识分子

神经网络测试模型数据性能

今天为大家介绍的是来自Joel D. Mainland和 Alexander B. Wiltschko团队的一篇论文。将分子结构映射到气味感知是嗅觉领域的一个关键挑战。作者使用图神经网络生成了一个气味映射（POM）方法，它保留了感知关系并能够对先前未经表征的气味进行气味质量预测。该模型在描述气味质量方面与人类一样可靠。通过应用简单、可解释、理论基础的转换，POM在几个其他气味预测任务上优于化学信息学模型，表明POM成功地编码了结构-气味关系的广义映射。这种方法广泛地实现了气味预测，并为数字化气味铺平了道路。

2023-09-24

1860

Nat. Microbio.l | BacterA I：在没有先验知识的情况下对微生物代谢进行建模

神经网络 nat 代理模型数据

今天为大家介绍的是来自Paul A. Jensen团队的一篇利用强化学探索微生物知识的论文。训练人工智能（AI）系统进行自主实验可以大大提高微生物学的吞吐量；然而，很少有微生物有足够大的数据集来训练这样的系统。在本研究中，作者引入了一种名为BacterAI的自动化科学平台，它可以对微生物代谢进行建模，不需要任何先前知识。BacterAI通过将科学问题转化为与实验室机器人进行的简单游戏来进行学习。该方法将其发现总结为可以被人类科学家解释的逻辑规则。

2023-09-19

2120

预测高通量筛选中对复杂干扰的细胞反应

神经网络变量模型数据网络

今天为大家介绍的是来自Fabian J Theis团队的一篇关于药物和基因扰动的论文。最近在多重单细胞转录组学实验方面的进展，促进了对药物和基因干扰的高通量研究。然而，对干扰空间的详尽探索是不可行的。因此，需要计算方法来预测、解释和选择干扰。作者提出了组合干扰自动编码器（CPA），它将线性模型的可解释性与深度学习方法的灵活性相结合，用于单细胞响应建模。

2023-09-19

2170

JCIM | 使用片段链接预测网络设计PROTAC药物

神经网络模型设计数据网络

今天为大家介绍的是来自Chu-Chung Lin团队的一篇关于药物设计的论文。药物发现和开发流程是一个漫长而复杂的过程，对于计算方法和药物化学家来说都具有挑战性，并且迄今为止无法通过计算方法解决。深度学习已在各个领域得到应用，并在制药行业的新药设计中取得了巨大成功。作者提出了一种名为AIMLinker的深度神经网络，以快速设计和生成具有意义的药物样蛋白酶靶向嵌合体（PROTACs）类似物。该模型从输入片段中提取结构信息并生成连接器以将它们结合起来。作者在模型中集成了过滤器，以排除通过蛋白质-蛋白质复合物引导的无法药用的结构，同时保留具有强大化学性质的分子。随后，通过分子对接，采用均方根偏差（RMSD）、相对吉布斯自由能（ΔΔGbinding）、分子动力学（MD）模拟和自由能扰动（FEP）计算作为测量标准，测试所提出模型的鲁棒性和可行性。所生成的新型PROTACs分子在与结合口袋相比，具有类似的结构信息且具有更高的结合亲和力，相较于现有的CRBN-dBET6-BRD4三元复合物。作者展示了利用AIMLinker设计PROTACs分子的方法的有效性，这些分子在化学性质上优于dBET6晶体构象。

2023-09-19

1790

Nat. Comput. Sci. | 通过图神经网络快速评估有机分子在金属上的吸附能量

神经网络 nat 测试模型数据

今天为大家介绍的是一篇使用图神经网路快速评估有机分子在金属上的吸附能量的论文。在异质催化中进行建模需要对吸附在表面上的分子的能量进行广泛评估。这通常通过密度泛函理论来实现，但对于大型有机分子来说，这需要巨大的计算时间，从而损害了该方法的可行性。在这里，作者设计了GAME-Net，一种用于快速评估吸附能的图神经网络。GAME-Net在一个平衡的化学多样性数据集上进行训练，其中包含了具有不同官能团的C分子，包括N、O、S和C芳香环。该模型在测试集上的平均绝对误差为0.18电子伏，并且比密度泛函理论快了6个数量级。应用于生物质和塑料中，预测的吸附能误差为0.016电子伏每个原子。该框架为催化材料的快速筛选提供了可用工具，特别适用于传统方法无法模拟的系统。

2023-09-19

1980

PNAS | 将高通量结构生物学转化为预测性抑制剂设计

神经网络模型设计数据性能

今天为大家介绍的是来自Alpha A. Lee团队的一篇关于蛋白质抑制剂设计的论文。寻找能增加配体对靶蛋白亲和力的化学修饰是一个常见的药物设计挑战。随着结构生物学技术的提高，现代同步辐射装置使其从手工艺发展为每月可处理数百种不同配体与蛋白质的相互作用。然而，一个将高通量晶体学数据转化为配体设计预测模型的框架是目前缺少的部分。在这里，作者设计了一种简单的机器学习方法，通过单一蛋白质与多种配体的实验结构和生化测量来预测蛋白质-配体亲和力。本文的关键是使用基于物理的能量描述符表示蛋白质-配体复合物，并采用学习排序方法推断出结合模式之间的相关差异。作者针对SARS-CoV-2主蛋白酶（M Pro）进行了高通量晶体学实验，获得了超过200种蛋白质-配体复合物及其结合活性的并行测量。这使得能够通过一步合成库来提高两种不同的微摩尔浓度击中的效力超过10倍，达到一种非共价和非肽类拟态抑制剂。关键的是，本文提出的方法成功地将配体扩展到结合口袋的未探索区域，在化学空间中进行大规模且富有成果的改进。

2023-09-19

1530

J. Chem. Inf. Model. | 双通道异构图神经网络用于预测microRNA调控的药物敏感性

神经网络 model 模型数据网络

今天为大家介绍的是来自Hui Liu团队的一篇关于预测miRNA和药物关系的论文。许多研究已经确认microRNA（miRNA）在肿瘤细胞对抗癌药物的敏感性中起到调节作用。miRNA作为一种有前景的治疗靶点，正在逐渐受到关注，以克服药物抵抗。然而，对于miRNA与药物敏感性之间的关联的计算预测受到了有限的关注。在这项工作中，作者提出了一种基于异构网络的表示学习方法来预测miRNA药物敏感性关联（DGNNMDA）。通过整合miRNA相似性网络、药物相似性网络和实验证实的miRNA药物敏感性关联，构建了一个miRNA-药物异构网络。接下来，作者开发了一个双通道异构图神经网络模型，在同质和异质节点之间执行特征传播，以便使方法可以学习miRNA和药物节点的表达表示。

2023-09-09

1990

可解释的手性感知图神经网络在药物发现中的定量构效关系建模中的应用

神经网络开发模型设计数据

今天为大家介绍的是来自范德堡大学研究团队的一篇关于药物发现的论文。在计算辅助药物发现中，通过化学结构训练定量构效关系模型以预测生物活性。尽管将图神经网络应用于该任务取得了一定成功，但重要的化学信息，如分子手性，被忽略了。为了填补这一重要的空白，作者提出了分子核图神经网络（MolKGNN）用于分子表示学习，具有SE(3) /构象不变性、手性感知和可解释性的特点。

2023-08-31

1690

基于大规模预训练和图结构学习的药物协同组合预测

数据库 sql 神经网络学习方法深度学习

本文介绍一项由中国香港中文大学计算机科学与工程学系、百图生科以及阿卜杜拉国王科技大学计算生物科学研究中心联合研究工作。在这项研究中，作者利用来自涵盖各种药物相关方面的数据集进行大规模预训练模型，并利用图结构学习开发出一个无偏的、可推广的药物协同预测模型。

2023-02-17

6900

英矽智能公布INS018_055抗纤维化药物I期临床试验的积极顶线数据

人工智能神经网络深度学习

2023年1月10日，由端到端人工智能（AI）驱动的临床阶段生物科技公司英矽智能宣布，特发性肺纤维化（IPF）候选药物INS018_055在新西兰临床I期试验中取得积极顶线数据，在安全性、耐受性、药代动力学（PK）方面均表现良好。INS018_055是一款由英矽智能端到端人工智能平台发现的、潜在全球首创（First-in-class）用于治疗特发性肺纤维化的候选药物。

2023-02-17

2660

Brief Bioinform | 最新深度学习癌症药敏预测算法评测

编程算法学习方法深度学习机器学习神经网络

今天介绍中国科学院上海营养与健康所李虹团队在Briefings in Bioinformatics上发表的一篇论文，该文对深度学习药敏预测算法进行了综合评测。文章系统地评估了深度学习方法在预测癌细胞系和患者药物反应方面的性能，为用户根据自身需求和数据特点选择恰当的预测模型提供指导，同时为构建新的计算模型指引方向。

2023-02-17

4250

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态