ACS central science通过一次学习进行低数据药物探索

ACS central science|通过一次学习进行低数据药物探索

引言

有时生物学家发现靶点有活性的小分子能够作为潜在的药物分子，但新发现的潜在药物分子往往会因为一些原因而失败，主要包括毒性，低活性和低溶解度等问题。机器学习在近期对于药物研发提供了卓越的贡献，在药物的性质和活性的探讨中深度神经网络提供了非常大的作用。然而，这项技术应用的瓶颈主要在于需要非常大的数据集。

成果简介

Vijay Pande 教授团队在《ACS central science》上发表题为Low Data Drug Discovery with One-Shot Learning的文章，阐述了一个新的方法通过一次学习(one-shot)来使得低数据量的数据在药物研发应用中变得有意义。作者介绍了一种新的流程，引入了一种新的体系结构，迭代细化长短期记忆（LSTM），当与卷织神经网络结合时，显著的改善了小分子的有意义距离度量。同时作者开源了所有的模型作为DeepChem的一部分，DeepChem是作者开发维护的深度学习药物框架。https://github.com/deepchem/deepchem

图文解读

图1:一次学习在药物发现中的网络构架

图2:嵌入式迭代的细化描述.为了阐述的目的，图中输入和输出均以二维表示，坐标轴由q1和q2组成。红色和蓝色的点分别描述积极和消极的采样。初始的嵌入函数g'(S)用平方表示。期待功能r使用空心圆表示。

图3.图形流程表示本文主要的图像操作.对于每个操作，正常节点操作以蓝色表示，没有改变的节点以亮蓝色表示。对于图像卷织和图像池，操作暂时为单一节点,v;实际上v在所有的节点上执行。

之后作者对一系列数据集进行了评价:

Tox21:Tox21收集了12个细胞核受体相关的毒性分析，Tox21原本为数据挑战赛数据

SIDER:医疗不良反应数据集

MUV:包含17种虚拟筛选设计挑战方法

实验结果如下:

表1表2: Tox21与SIDER数据集ROC-AUC模型得分，算法依次为随机森林（RF），图像卷织（Graph Conv），暹罗（孪生神经网络，Siamese），Attn长短期记忆（AttnLSTM），迭代长短期记忆(IterRefLSTM)。表中10+/10-表示包含10个积极样本，10个消极样本。下同

表14-17 MUV数据

总结与展望

本文介绍了一种体系模型来进行小样本数据药物发现，文章证明这种构架可以为简单的数据学习方法提供强大的支撑，在Tox21和SIDER数据集中，一次学习方法具有显著的优势，特别是SIDER数据集，主要是因为该数据集具有非常高的表型副作用。鉴于预测不确定性，一次学习能够很好地胜任小的生物数据集的训练。

但在MUV数据集上，与简单机器学习相比，一次学习的泛化能力有很大的局限性。主要是因为MUV数据包含有非常多的骨架，一次学习方法难以推广到未知骨架中。这也说明一次学习模型泛化能力局限性有限。

Deepchem安装简介

对于Ubuntu 16.04相似环境安装libxrender包:

使用conda安装

使用conda脚本安装最新版（form the source）：

方法如下:

Conda简单安装

使用Docker安装

使用Docker安装非常的方便

简介

Vijay S.Pande 为特立尼达-美国 生物医学家，曾任斯坦福大学化学，结构生物学和计算科学教授。其最出名的为领导分布式疾病科研项目Folding@home.其研究领域主要为分布式计算和微生物计算模型。其研究关注于提升药物结合计算模拟，蛋白设计和合成生物模拟聚合物。

作者主页:https://pande.stanford.edu

编辑：KWY

审核：邓宏华

推送：黑芝麻小汤没圆