文献

J-GLOBAL ID：202002219603655920   整理番号：20A2129381

GRUベース深層ニューラルネットワークと移動学習を用いたADAM10阻害剤の分子生成モデル【JST・京大機械翻訳】

A molecular generative model of ADAM10 inhibitors by using GRU-based deep neural network and transfer learning

著者 (9件)： Shi Tingting (Key Laboratory of Biorheological Science and Technology (Ministry of Education), Chongqing University, Chongqing, 400044, China) ,  Shi Tingting (College of Bioengineering, Chongqing University, Chongqing, 400044, China) ,  Huang Shuheng (College of Bioengineering, Chongqing University, Chongqing, 400044, China) ,  Chen Linxin (College of Bioengineering, Chongqing University, Chongqing, 400044, China) ,  Heng Yu (College of Bioengineering, Chongqing University, Chongqing, 400044, China) ,  Kuang Zuyin (College of Bioengineering, Chongqing University, Chongqing, 400044, China) ,  Xu Lei (College of Bioengineering, Chongqing University, Chongqing, 400044, China) ,  Mei Hu (Key Laboratory of Biorheological Science and Technology (Ministry of Education), Chongqing University, Chongqing, 400044, China) ,  Mei Hu (College of Bioengineering, Chongqing University, Chongqing, 400044, China)
資料名： Chemometrics and Intelligent Laboratory Systems  (Chemometrics and Intelligent Laboratory Systems)
巻： 205  ページ： Null  発行年： 2020年 
JST資料番号： E0150B  ISSN： 0169-7439  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： リカレントニューラルネットワーク(RNN)は,特に自然言語処理において,深い学習における最も代表的なアーキテクチャの1つであり,多くの研究分野で広く採用されている。本研究では,移動学習と組み合わせたゲートリカレントユニット(GRU)ベースのディープニューラルネットワークを用いて,ADAM10阻害剤の分子生成モデルを確立した。結果は,GRUベースの生成モデルが分子のSMILES文法を正確に学習することができ,新しい潜在的ADAM10阻害剤を生成することができることを示した。伝統的な配位子ベースの方法と比較して,GRUベースの生成モデルは,化学配位子のSMILES情報のみを必要とし,可能性のある新しい構造の大きなセットを効率的に生成することができる。これらのユニークな利点は,de novo薬物設計および大規模仮想スクリーニング研究に極めて有用である。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  自然言語処理 ,  文法 ,  ドラッグデザイン ,  計算機アーキテクチャ
準シソーラス用語： リカレントニューラルネットワーク ,  ADAM10 ,  バーチャルスクリーニング ,  *生成モデル ,  深層学習 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  リカレントニューラルネットワーク ,  分子設計 ,  仮想スクリーニング ,  ADAM10 ,  インヒビター

分類 (2件)： 数値計算  (JE02000J) ,  薬物の構造活性相関  (GV01050B)

タイトルに関連する用語 (6件)： 深層ニューラルネットワーク ,  学習 ,  ADAM10 ,  阻害剤 ,  分子 ,  生成モデル