HerbMet:通过深度学习改进新陈代谢学数据分析,以准确识别使用深度学习的中国草药
Yuyang Sha1, Meiting Jiang2, Gang Luo1
1Center for Artificial Intelligence Driven Drug Discovery, Faculty of Applied Sciences, Macao Polytechnic University, Macau, China.
Phytochemical analysis : PCA
|August 21, 2024
概括
一个人工智能系统HerbMet使用代谢学数据准确识别中国草药. 它达到很高的准确性,即使对于类似的物种,如Panax人参,超越其他方法.
科学领域:
- 计算生物学是一种计算生物学.
- 化学信息学 化学信息学
- 药理学是指药理学,即药理学是指药理学.
背景情况:
- 传统的中国草药需要精确的物种识别才能有效.
- 代谢学为区分草药提供了一个有前途的方法.
- 现有的方法面临的挑战是小样本大小,高维度和过拟合.
研究的目的:
- 开发HerbMet,一个用于精确识别中国草药的AI系统.
- 提高识别准确度,特别是同一个属内的密切相关物种.
主要方法:
- 使用1D-ResNet架构从代谢学数据中提取特征.
- 采用多层感知器进行分类.
- 整合了双断调整模块,以减轻过度装配和提高性能.
主要成果:
- 在区分七种帕纳克斯人参物种时,HerbMet获得了0.9571准确度和0.9542F1得分.
- 100%的准确性和F1得分是在P.人参歧视特征选择后获得的.
- 与10种其他机器学习和深度学习方法相比,证明了卓越的准确性和稳定性.
结论:
- HerbMet为识别中国草药物种提供了卓越的解决方案.
- 该系统对现实世界的应用程序非常友好,不需要选择功能.
