否定药物发现数据以改善吸收,分布,新陈代谢,分泌和毒性属性预测
Matthew Adrian1, Yunsie Chung1, Alan C Cheng1
1Modeling and Informatics, Merck & Co., Inc., South San Francisco, California 94080, United States.
这项研究引入了一种深度学习的方法,通过解决吸收,分布,新陈代谢,分泌和毒性 (ADMET) 数据中的实验错误来改进药物发现模型. 这种新的方法有效地减少了回归任务中的噪音,提高了预测模型的性能.
科学领域:
- 计算化学是一种计算化学.
- 化学信息学 化学信息学
- 药物发现 药物发现
背景情况:
- 准确预测吸收,分布,新陈代谢,分泌和毒性 (ADMET) 属性对于有效的药物发现至关重要.
- 实验数据往往含有固有的错误,这对开发可靠的预测模型构成了重大挑战.
- 现有的排名技术主要是为分类任务而设计的,不能直接应用于基于回归的ADMET预测.
研究的目的:
- 开发基于深度学习的,针对ADMET属性预测中的回归任务量身定制的新型除方案.
- 确定用于模型训练的实验测试数据中检测噪声的有效指标.
- 提高药物发现中使用的计算模型的性能和可靠性.
主要方法:
- 开发深度学习的算法,专门用于回归问题.
- 使用训练错误 (TE) 作为识别噪音数据点的主要指标.
- 对TE与基于集体和基于遗忘事件的噪声检测指标进行比较分析.
- 微调现有的ADMET模型,使用开发的无线化方案预处理的数据.
主要成果:
- 训练错误 (TE) 被确定为在回归任务中检测噪声的可靠指标,其表现优于其他测试指标.
- 使用TE-denoised数据的微调模型导致了最实质性的性能改进.
- 提出的无声化方法有效地改善了噪音中等水平的模型.
- 该方法证明了稳定性,在低噪音或高噪音场景中不降低性能.
结论:
- 开发的深度学习解密方案是第一个成功提高ADMET数据模型性能的方案.
- 训练错误 (TE) 是基于回归的化学信息模型中噪声识别的有价值指标.
- 这种方法对提高各种类型实验试验数据的预测模型的准确性和实用性具有广泛的影响.
更多相关视频
08:31Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
Published on: December 1, 2020
10:21Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA
Published on: February 23, 2024
相关概念视频
Drug Discovery: Overview
Structure-Activity Relationships and Drug Design
SAR studies the intricate relationship between a drug's chemical structure and biological activity. It focuses on understanding how modifications to a drug's structure can influence...
Pharmacovigilance
This process, termed pharmacovigilance, aims to detect, evaluate, and minimize harmful effects related to medication use. The data collection for pharmacovigilance depends on spontaneous reporting systems, where healthcare professionals or patients voluntarily report suspected ADRs.
In some cases, there...
Analysis of Population Pharmacokinetic Data
Model-Independent Approaches for Pharmacokinetic Data: Noncompartmental Analysis
One important characteristic of noncompartmental analyses is that drug exposure increases proportionally with increasing doses. This...
Drug-Receptor Interaction: Antagonist
Antagonists can be classified as competitive or noncompetitive based on their...
