マルチタスク学習と分子部分構造表現による親油性予測【JST・京大機械翻訳】

Lukashina Nina; Alenicheva Alisa; Vlasova Elizaveta; Kondiukov Artem; Khakimova Aigul; Magerramov Emil; Churikov Nikita; Shpilman Aleksei

プレプリント

J-GLOBAL ID：202202205095284090 整理番号：22P0212309

マルチタスク学習と分子部分構造表現による親油性予測【JST・京大機械翻訳】

Lipophilicity Prediction with Multitask Learning and Molecular Substructures Representation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2020年11月24日プレプリントサーバーでの情報更新日： 2020年11月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

親油性は,薬物分子に対する細胞膜の透過性を決定する因子の1つである。したがって,正確な親油性予測は新薬の開発における必須段階である。本論文では,分子下部構造を抽出することにより,付加的グラフ情報を符号化するための新しいアプローチを導入した。確立された直接メッセージパッシングニューラルネットワーク(D-MPNN)にこれらのサブ構造の一般化原子特徴の集合を加えることにより,2つの主な親油性係数,すなわちlogPとlogD記述子の予測タスクで新しい最先端結果を達成することができた。さらに,logPとlogD値を同時に予測するために,マルチタスクアプローチを採用することにより,提案アプローチを改善した。さらに,著者らは,対称および非対称分子に関するモデル性能の研究を提示し,それは更なる研究のための洞察をもたらした。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , 薬物の物理化学的性質 , 薬物の構造活性相関 , ニューロコンピュータ

, , , , ,

前のページに戻る