深度亲和力 swMATH ID: 39160 软件作者： Mostafa Karimi、Di Wu、Zhangyang Wang、Yang Shen 描述： 深度亲和力：通过统一的递归和卷积神经网络对复合蛋白亲和力进行可解释的深度学习。动机：药物发现需要快速量化化合物-蛋白质相互作用（CPI）。然而，目前还缺乏能够从序列中单独预测化合物-蛋白质亲和力的方法，这些方法具有较高的适用性、准确性和可解释性。结果：我们提出了领域知识和基于学习的方法的无缝集成。在结构标记蛋白质序列的新表示下，提出了一种半监督深度学习模型，该模型将递归和卷积神经网络相结合，以利用未标记和标记数据，联合编码分子表示和预测亲和力。我们的表示和模型在实现IC50相对误差方面优于传统选项，测试用例的相对误差为5倍，而未包括在训练中的蛋白质类的相对误差则为20倍。转移学习进一步提高了具有少量标记数据的新蛋白质类的性能。此外，开发了单独和联合注意机制，并将其嵌入到我们的模型中，以增加其可解释性，如预测和解释选择性药物靶点相互作用的案例研究所示。最后，还探索了使用蛋白质序列或复合图的替代表示以及使用图CNN（GCNN）的统一RNN/GCNN-CNN模型，以揭示未来的算法挑战。 主页： https://arxiv.org/abs/1806.07537 源代码： https://github.com/Shen-Lab/DepAffinity网站 相关软件： ImageNet公司;火炬IO;TensorLy公司;美国残疾人协会;夹点网;掌中宽带;科尼亚语;深度DTA;绑定数据库;MNIST公司;CIFAR公司;PyTorch几何;PyTorch闪电;火炬视觉;MLlib（MLlib）;Scikit公司;货币市场基金;玉米粉;GPy火炬;PyTorch公司 引用于： 0个文档