霁彩华年,因梦同行—— 庆祝深圳霁因生物医药转化研究院成立十周年 情绪益生菌PS128助力孤独症治疗,权威研究显示可显著改善孤独症症状 PARP抑制剂氟唑帕利助力患者从维持治疗中获益,改写晚期卵巢癌治疗格局 新东方智慧教育发布“东方创科人工智能开发板2.0” 精准血型 守护生命 肠道超声可用于检测儿童炎症性肠病 迷走神经刺激对抑郁症有积极治疗作用 探索梅尼埃病中 MRI 描述符的性能和最佳组合 自闭症患者中痴呆症的患病率增加 超声波 3D 打印辅助神经源性膀胱的骶神经调节 胃食管反流病患者耳鸣风险增加 间质性膀胱炎和膀胱疼痛综合征的临床表现不同 研究表明 多语言能力可提高自闭症儿童的认知能力 科学家揭示人类与小鼠在主要癌症免疫治疗靶点上的惊人差异 利用正确的成像标准改善对脑癌结果的预测 地中海饮食通过肠道细菌变化改善记忆力 让你在 2025 年更健康的 7 种惊人方法 为什么有些人的头发和指甲比其他人长得快 物质的使用会改变大脑的结构吗 饮酒如何影响你的健康 20个月,3大平台,300倍!元育生物以全左旋虾青素引领合成生物新纪元 从技术困局到创新锚点,天与带来了一场属于养老的“情绪共振” “华润系”大动作落槌!昆药集团完成收购华润圣火 十七载“冬至滋补节”,东阿阿胶将品牌营销推向新高峰 150个国家承认巴勒斯坦国意味着什么 中国海警对非法闯仁爱礁海域菲船只采取管制措施 国家四级救灾应急响应启动 涉及福建、广东 女生查分查出608分后,上演取得理想成绩“三件套” 多吃红色的樱桃能补铁、补血? 中国代表三次回击美方攻击指责 探索精神健康前沿|情绪益生菌PS128闪耀宁波医学盛会,彰显科研实力 圣美生物:以科技之光,引领肺癌早筛早诊新时代 神经干细胞移植有望治疗慢性脊髓损伤 一种简单的血浆生物标志物可以预测患有肥胖症青少年的肝纤维化 婴儿的心跳可能是他们说出第一句话的关键 研究发现基因检测正成为主流 血液测试显示心脏存在排斥风险 无需提供组织样本 假体材料有助于减少静脉导管感染 研究发现团队运动对孩子的大脑有很大帮助 研究人员开发出诊断 治疗心肌炎的决策途径 两项研究评估了医疗保健领域人工智能工具的发展 利用女子篮球队探索足部生物力学 抑制前列腺癌细胞:雄激素受体可以改变前列腺的正常生长 肽抗原上的反应性半胱氨酸可能开启新的癌症免疫治疗可能性 研究人员发现新基因疗法可以缓解慢性疼痛 研究人员揭示 tisa-cel 疗法治疗复发或难治性 B 细胞淋巴瘤的风险 适量饮酒可降低高危人群罹患严重心血管疾病的风险 STIF科创节揭晓奖项,新东方智慧教育荣膺双料殊荣 中科美菱发布2025年产品战略布局!技术方向支撑产品生态纵深! 从雪域高原到用户口碑 —— 复方塞隆胶囊的品质之旅
您的位置:首页 >行业动态 >

新的机器学习方法有望加速药物设计

这种被研究团队称为“转化机器学习”(TML)的新方法在解决科学问题(包括药物设计)的三个领域比传统机器学习做出了更好的预测。

“在药物设计中,我们发现 TML 提供了对药物靶标特异性、药物之间的关系以及靶蛋白之间关系的洞察,”作者写道,由约翰摩尔斯大学计算机科学与数学学院的 Ivan Olier 领导。英国

传统机器学习与 TML

传统的监督 ML 算法在标记示例(例如,不同动物的标记照片)上进行训练,从中学习识别内在特征(例如,“毛茸茸”和“小”)。相反,TML 依赖于来自在其他相关任务上训练的 ML 模型的预测的外在特征。

例如,要训练一个 TML 模型来识别所有已知的动物物种,并且预计会添加新的动物物种,首先要对已知物种(例如猫、兔子和驴)应用现有的预测模型。这些模型的输出将生成新的外在特征,例如“猫性”、“兔子性”和“驴性”,然后将用于训练元级 ML 模型以使用此级别的表示进行预测。该方法使 TML 模型能够捕获最初未编码的动物的属性,例如可爱(猫和兔子共有)和头部侧面有眼睛(兔子和驴共有)。

“典型的 ML 系统在学习识别一种新型动物时必须从头开始——比如小猫——TML 可以利用与现有动物的相似性:小猫像兔子一样可爱,但没有像兔子那样长的耳朵兔子和驴,”领导这项研究的剑桥化学工程和生物技术系教授罗斯金在一份声明中说。“这使得 TML 成为一种更强大的机器学习方法。”

药物发现的承诺

研究人员表示,TML 在药物发现领域显示出特别的前景。典型的 ML 方法将根据分子形状和结构等内在特征来搜索药物分子,而 TML 通过检查其他 ML 模型传达的有关特定分子的信息来加快该过程。

该论文包括一个使用 TML 预测定量结构活性关系 (QSAR) 的案例研究,这是早期药物发现的一个常见步骤。给定一个目标(通常是一个蛋白质)和一组具有相关活动(例如,抑制目标蛋白质)的化合物(小分子),QSAR 任务是学习从分子表示到活动的预测映射。在 TML 方法中,基于内在描述符的标准 ML 方法首先应用于现有的 QSAR 预测任务,然后将其输出用作可应用于新 QSAR 任务的新 TML 模型的外在特征。

为了评估 QSAR 学习中的 TML 方法,研究人员使用 1,024 位分子指纹表示作为内在特征,针对 2,219 个 QSAR 问题训练了各种 ML 方法。然后,他们使用之前学习的 ML 模型预测的复合活动作为 TML QSAR 模型的外在属性。

标签:

免责声明:本文由用户上传,与本网站立场无关。财经信息仅供读者参考,并不构成投资建议。投资者据此操作,风险自担。 如有侵权请联系删除!