文献

J-GLOBAL ID：202202225458630337   整理番号：22A0974189

実用的AI駆動分子発生のための条件付きグラフベース変分オートエンコーダ没入による小分子中のトレーニングと種子Biasの分析【JST・京大機械翻訳】

Analysis of Training and Seed Bias in Small Molecules Generated with a Conditional Graph-Based Variational Autoencoder-Insights for Practical AI-Driven Molecule Generation

著者 (4件)： Kang Seung-gu (Computational Biology Center, IBM Thomas J. Watson Research Center, New York, United States) ,  Morrone Joseph A. (Computational Biology Center, IBM Thomas J. Watson Research Center, New York, United States) ,  Weber Jeffrey K. (Computational Biology Center, IBM Thomas J. Watson Research Center, New York, United States) ,  Cornell Wendy D. (Computational Biology Center, IBM Thomas J. Watson Research Center, New York, United States)
資料名： Journal of Chemical Information and Modeling  (Journal of Chemical Information and Modeling)
巻： 62  号： 4  ページ： 801-816  発行年： 2022年 
JST資料番号： A0294A  ISSN： 1549-9596  CODEN： JCISD8  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 生成分子設計への深層学習の応用は,リード系列開発を加速するための初期有望性を示した。しかし,訓練,データセット,および種子バイアスのような因子が,医療および計算化学者への技術の有用性にどう影響するかについて疑問が残っている。本研究では,活動条件付きグラフベース変分自動符号器(VAE)の出力に対するシードと訓練バイアスの影響を解析した。ドーパミンD2受容体に対応する大規模で標識されたデータセットを切断して,著者らのグラフベースの生成モデルは,生成した分子における望ましい条件付け活性と好ましい非条件物理的性質の生成において優れていることを示す。活性化,不活性化,または分子種子の活性の保持を可能にする活性-スワッピング法を実装し,独立した深い学習分類器を適用して,生成結果を検証した。全体として,著者らは,ノイズ,分子種子,および一連の潜在空間サンプリング手順にわたる訓練セット選択の間の関係を明らかにし,実用的なAI駆動分子生成のための重要な洞察を提供する。Copyright 2022 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *変分法 ,  学習 ,  符号器 ,  モデル ,  バイアス ,  活性 ,  不活性化 ,  *小分子 ,  分子設計 ,  D2受容体 ,  計算化学
準シソーラス用語： 生成モデル ,  空間サンプリング ,  深層学習 ,  *自己符号化器 , 【Automatic Indexing@JST】

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  薬物の構造活性相関  (GV01050B)

タイトルに関連する用語 (8件)： AI ,  分子 ,  グラフ ,  変分オートエンコーダ ,  小分子 ,  トレーニング ,  種子 ,  分析