FIAMol-AB:一种特征融合和基于注意力的深度学习方法,用于增强抗生素发现
Shida He1, Xiucai Ye1, Lijun Dou2
1Department of Computer Science, University of Tsukuba, Tsukuba, Ibaraki, 305-8577, Japan.
Computers in biology and medicine
|December 6, 2023
概括
FIAMol-AB是一种新的深度学习模型,通过整合各种分子数据来加速抗生素的发现. 这种计算机辅助的方法在打击抗生素耐药性的传统查方法方面提供了一个有希望的,高效的替代方案.
科学领域:
- 计算化学是一种计算化学.
- 药物发现 药物发现
- 生物信息学是一种生物信息学.
背景情况:
- 抗生素耐药性对全球健康构成重大威胁,需要开发新的药物.
- 传统的抗生素查是资源密集型的,推动了对先进的计算方法的需求.
研究的目的:
- 引入FIAMol-AB,这是一个旨在有效发现抗生素的深度学习模型.
- 利用多视图分子信息和注意力机制来改善预测.
主要方法:
- 开发了FIAMol-AB,这是一个集成图形神经网络,文本卷积网络和分子指纹的深度学习模型.
- 整合了注意力机制,以融合来自多个来源的信息.
- 对抗生素发现任务的现有方法进行评估模型性能.
主要成果:
- 在抗生素发现中,FIAMol-AB显示出了与已知方法相比的潜在优势.
- 分析突出了对模型预测准确性的关键特征.
- 该模型在实验评估中显示出有希望的稳定性和多功能性.
结论:
- FIAMol-AB为抗生素发现提供了精确高效的计算方法.
- 整合多视图数据和注意力机制可以增强复杂分子结构的学习.
- 在全球打击抗生素耐药性的努力中,FIAMol-AB提供了一个有价值的工具.
相关概念视频
Antibiotic Selection
54.2K
Overview
54.2K
Immunofluorescence Microscopy
10.5K
A fluorescence microscope uses fluorescent chromophores called fluorochromes, which can absorb energy from a light source and then emit this energy as visible light. Fluorochromes include naturally fluorescent substances (such as chlorophylls) and fluorescent stains that are added to the specimen to create contrast. Dyes such as Texas red and FITC are examples of fluorochromes. Other examples include the nucleic acid dyes 4’,6’-diamidino-2-phenylindole (DAPI), and acridine orange.
10.5K


