抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
コンピュータ支援ドラッグデザインは新時代へのステップである。深層学習,機械学習,高スループットシミュレーションを含む統計モデリングの最近の開発は,20年前に達成できないワークフローと推論を可能にする。医薬品化学の文脈における多くの小分子の重要な相互作用は生体分子を介する。したがって,小分子と生体系の間の相互作用は,複数の時間と長さスケールで現れる。人間の化学者はしばしば多重スケールの概念を直観的に把握するかもしれないが,ほとんどのコンピュータ技術は多重スケールをそれほど容易に関連づけない。計算科学の分野で多重スケールに取り組んと試みる多数の方法が開発されてきた。しかし,現在まで,多重スケールの問題は計算能力の単なる問題だけでなく,正確な表現の問題でもあることは明確ではなかった。化学物質の現在の表現は,今日のモデリング問題に必要な記述性を欠いていた。本研究では,小分子と大分子の新しい表現を導入した。この表現は,新しい生化学および医薬品エンコーダ(CARATE)によって得られる。以下の研究において,CARATEによる学習表現の回帰および分類能力をベンチマークデータセット(ZINC,ALCHEMY,MCF-7,MOLT-4,YEAST,ENZYMES,蛋白質)に対して評価し,他のベースラインアプローチと比較した。GRATEは,小分子の量子化学回帰タスクだけでなく,大きな生体分子と小分子に関連する分類タスクに関して,他のグラフベースのアルゴリズムより優れている。【JST機械翻訳】