基于Agraph卷積的分類模型，用于從越南傳統草藥數據庫中識別抗癌代謝物的分類模型
發布時間：2021-10-25 09:01:44 人氣：1399
一、文章概述
幾千年來，越南一直是豐富多樣的草藥來源，在藥物開發中發揮各種目的，以解決健康問題，如癌癥。聲稱化學信息學相關的原理，結構相似的化合物很可能有類似的生物活性，本研究采用分子圖卷積，機器學習體系結構從小分子提取特征的作為無向圖，預測基于代謝物的結構越南草藥的抗癌能力。除了分子圖卷積，擴展連接指紋，一種傳統的利用分子細節的飽和器(ECFP)，以進行性能比較。最后，我們成功地構建了一個基于圖卷積的神經網絡，具有較高的預測精度，表明該模型在檢測抗癌活性方面是可靠的。
二、圖文導讀
圖1.從NCI-60數據集建立訓練和預測抗癌活性的數據集。
圖2.在迭代0時，部分分子的說明。N表示氮原子，被認為是檢測原子或核心原子，其標識符為d。C和O分別表示碳，標識符為b的氧原子和標識符為a的氧原子。一行代表單鍵，雙線代表雙鍵。
圖3.在迭代0和迭代1時，N個原子的標識符d的說明。每次迭代后，子結構表示在化學結構洞察力方面變得更加豐富。
圖4.在圖卷積層中的操作說明。C1、C2和C3的陣列表示C原子的特征向量。N原子和O原子分別使用相同的符號。核心原子，氮，被標記為藍色。為了進行卷積，形成與3個相鄰原子相關的核心原子的新特征，這個總和將由一個激活函數進行和包裹。新的特征向量被標記為紅色。類似地，同樣的過程將應用于分子結構中的所有節點，這將為每個節點產生全新的特征向量。
圖5.在兩個相鄰原子的核心原子上的圖卷積層的說明。
圖6.基于勞盟-俄羅斯石油公司的分類性能。
三、全文總結
我們成功地構建了抗癌活性預測模型，盡管數據集規模小，結果有希望。此外，我們還成功地從NCI-60數據庫中抓取微笑數據，并進行過濾，獲得最終清理后的數據集，從而取得了良好的性能。在未來，該模型將作為一個獨立的版本構建，作為挖掘越南藥用植物的工具�；谶@項研究，DeepChem不僅有能力發現抗癌候選藥物，而且還可以用于對針對其他疾病的潛在候選藥物進行圖挖掘。
文章鏈接：
http://n.ustb.edu.cn/https/77726476706e69737468656265737421f4fb0f9d243d265f6c0f/doi/10.1145/3184066.3184090
本信息源自互聯網僅供學術交流 ，如有侵權請聯系我們立即刪除。
| 溫馨提示：蘇州北科納米供應產品僅用于科研，不能用于人體,不同批次產品規格性能有差異。網站部分文獻案例圖片源自互聯網，圖片僅供參考，請以實物為主，如有侵權請聯系我們立即刪除。 |
下一篇： 納米醫學產品1
