OC

基于互作组的深度学习设计

2024-10-18 09:18:55 英文原文

作者：Wei, Dongqing

  • 新闻与观点
  • 发布:

药物发现

自然化学生物学 (2024)引用这篇文章

快速而准确地预测潜在的药物分子对于从头药物设计是一个相当大的挑战。一种基于相互作用组的深度学习方法已经被开发出来，其性能超过了标准的化学语言模型。

这是订阅内容的预览，通过您的机构访问

访问选项

访问Nature及Nature Portfolio其他54本期刊

购买Nature+，我们最具性价比的线上访问订阅套餐

24,99 €/ 30 天

随时取消

中国客户订阅信息

我们为中国客户专门设立了一个网站。请访问naturechina.com订阅此期刊。

购买此文章

  • 在SpringerLink上购买
  • 立即访问全文PDF

价格可能包括当地税款，该税款将在结账时计算。

图1：DRAGONFLY结合了图变压器神经网络和化学语言。

参考文献

  1. 施耐德, G. & 费谢尔, U.自然·药物发现综述 4, 649–663 (2005).

    文章  CAS  PubMed  谷歌学术 

  2. 袁，W. 等人。J. Chem. Inf. Model. 57, 875–882 (2017).

    文章  CAS  PubMed  PubMed中央数据库  谷歌学术 

  3. 莫雷特，M. 等人。自然通讯 14, 114 (2023).

    文章  CAS  PubMed  PubMed Central  谷歌学术 

  4. 施耐德，P. 等人。自然·药物发现评论 19, 353–364 (2020).

    文章  CAS  PubMed  谷歌学术 

  5. 阿茨 K. 等人。自然通讯 15, 3408 (2024).

    文章  CAS  PubMed  PubMed Central  谷歌学术 

  6. 梅嫩德斯，D. 等人。核酸研究杂志 47D930-D940 (2019).

    文章  CAS  PubMed  谷歌学术 

  7. 伯杰, J. & 马勒, D. E.年度医学评论 53, 409–435 (2002).

    文章  CAS  PubMed  谷歌学术 

  8. 阿布拉莫森，J. 等人。自然 630, 493–500 (2024).

    文章  CAS  PubMed  PubMed Central  谷歌学术 

  9. 格林希什尼科娃, D. Sci. 报告 11, 321 (2021).

    文章  CAS  PubMed  PubMed Central  谷歌学术 

  10. Gilmer, J., Schoenholz, S. S., Riley, P. F., Vinyals, O. & Dahl, G. E.国际机器学习大会. b, 1263–1272 (2017).

下载参考文献

致谢

D.-Q.W.获得中华人民共和国国家重点研发计划政府间国际科技创新合作重点专项（2023YFE0199200）和国家自然科学基金（批准号32070662和32030063）的资助。

作者信息

作者和所属机构

  1. 微生物代谢国家重点实验室、代谢与发育科学国际联合研究中心和生命科学与技术学院，上海交通大学，中国上海

    毛雪莹 & 魏东庆

  2. 普林斯顿大学电气与计算机工程系，美国新泽西州普林斯顿

    朱雁仪

  3. 斯坦福大学医学院病理学系，美国加利福尼亚州斯坦福市

    朱雁仪

  4. 淇和实验室，河南省鹤壁市淇滨区，中华人民共和国

    魏东庆

  5. 中华中医药研究院中药中试工业化研究所，中国南阳中关村科技园区

    魏东庆

  6. 鹏城实验室，中国深圳市

    魏东庆

通讯作者

通信请致：魏东庆.

伦理声明

利益冲突

作者声明没有利益冲突。

关于本文文章

Check for updates. Verify currency and authenticity via CrossMark

引用这篇文章

毛,X., 朱,Y. & 魏,D. 基于互作组的深度学习设计自然化学生物学(2024). https://doi.org/10.1038/s41589-024-01754-7

下载引用文献

  • 发布:

  • DOI: https://doi.org/10.1038/s41589-024-01754-7

关于《基于互作组的深度学习设计》
暂无评论

摘要

基于互作组的深度学习方法已被开发出来，其性能优于标准化学语言模型。1: DRAGONFLY结合了图变压器神经网络和化学语言。57, 875–882 (2017)。文章 CAS PubMed PubMed Central Google Scholar 竞争利益声明 竞争性利益 作者声明没有竞争性利益。关于本文Mao, X., Chu, Y. & Wei, D. 使用基于互作组的深度学习设计。

相关新闻

相关讨论