文献

J-GLOBAL ID：202002213212811416   整理番号：20A0961595

エンドツーエンド学習と指紋の統合による薬物標的指示予測【JST・京大機械翻訳】

Drug-Target Indication Prediction by Integrating End-To-End Learning And Fingerprints

著者 (4件)： AGYEMANG BRIGHTER (University of Electronic Science and Technology of China,School of Computer Science and Software Engineering,Chengdu,China) ,  WU WEI-PING (University of Electronic Science and Technology of China,School of Computer Science and Software Engineering,Chengdu,China) ,  KPIEBAAREH MICHAEL Y. (University of Electronic Science and Technology of China,School of Computer Science and Software Engineering,Chengdu,China) ,  NANOR EBENEZER (University of Electronic Science and Technology of China,School of Computer Science and Software Engineering,Chengdu,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCWAMTIP  ページ： 266-272  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： コンピュータ支援薬物発見研究は薬物発見における有望な方向であることが証明されている。近年,Deep学習法は,薬物標的相互作用予測のような領域における問題に適用され,従来のスクリーニング法よりも改善されている。既存の挑戦は,深い学習モデルにおける複合ターゲット対を表現する方法である。いくつかの表現方法が存在するが,そのような記述子方式は,文献で報告されているように,多くの事例において互いに補完する傾向がある。本研究では,微分可能およびあらかじめ定義された分子記述子の両方を統合することにより,この相補的な挙動を活用するために訓練されたマルチビューアーキテクチャを提案した。著者らのアプローチの可能性を実証するために,臨床的に関連するベンチマークデータセットに関する実験を行った。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *学習 ,  学習モデル ,  微分 ,  *エンドツーエンド方式 ,  *指紋 ,  ベンチマーク ,  CAE【計算機】 ,  計算機アーキテクチャ ,  スクリーニング
準シソーラス用語： *創薬標的 ,  マルチビュー , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T) ,  NMR一般  (BM07041R)

タイトルに関連する用語 (6件)： エンドツーエンド ,  学習 ,  指紋 ,  統合 ,  薬物標的 ,  予測