被忽视疾病的深度学习复合筛查：利什曼病

Jonathan A.J.Smith、Hao Xu、Xinran Li、Laurence Yang、Jahir Gutierrez
计算生物学会议第16届机器学习会议记录，PMLR 165:47-572022年。

摘要

深度学习提供了一种工具，可以改进对用于治疗被忽视疾病的药物重组候选药物的筛选。我们展示了如何开发新的管道，以满足利什曼病重新利用的需求。与传统的分子对接技术相结合，可以选择和分析最佳候选分子，包括分子描述符的相似性。

引用本文

BibTeX公司
@诉讼中{pmlr-v165-smith22a，title={针对被忽视疾病的深度学习复合筛查：利什曼病}，作者={Smith，Jonathan A.J.和Xu，Hao和Li，Xinran和Yang，Laurence和Gutierrez，Jahir}，booktitle={第16届计算生物学机器学习会议论文集}，页数={47--57}，年份={2022}，editor={诺尔斯、大卫·A·和莫斯塔法维、萨拉和李·苏因}，体积＝{165}，series={机器学习研究论文集}，月={11月22日--23日}，publisher={PMLR}，pdf={https://proceedings.mlr.press/v165/smith22a/smith22a.pdf},url={https://proceedings.mlr.press/v165/smith22a.html},抽象={深度学习为改进用于治疗被忽视疾病的药物再利用候选药物的筛选提供了一个工具。我们展示了如何开发新的管道来满足利什曼病再利用的需求。结合传统的分子对接技术，这允许选择和分析顶级候选药物，包括用于分子描述符相似性。}}
尾注
%0会议论文%深度学习T复合筛查被忽视疾病利什曼病%乔纳森·史密斯%徐浩%李欣然%劳伦斯·杨%贾希尔·古铁雷斯%计算生物学会议第16届机器学习论文集%C机器学习研究进展%D 2022年%E大卫·A·诺尔斯%E萨拉·穆斯塔法维%李素英%对于pmlr-v165-smith22a%我PMLR%第47-57页%U型https://proceedings.mlr.press/v165/smith22a.html%165伏%X深度学习提供了一种工具，用于改进针对治疗被忽视疾病的药物再利用候选人的筛选。我们展示了如何开发新的管道，以满足利什曼病重新利用的需求。与传统的分子对接技术相结合，可以选择和分析最佳候选分子，包括分子描述符的相似性。
亚太地区
Smith，J.A.J.、Xu，H.、Li，X.、Yang，L.和Gutierrez，J.（2022）。被忽视疾病的深度学习复合筛查：利什曼病。计算生物学会议第16届机器学习会议记录，英寸机器学习研究进展165:47-57网址：https://proceedings.mlr.press/v165/smith22a.html。

相关材料