作者:宋檢 時間:2022-12-12 來源:互聯(lián)網(wǎng)
蛋白激酶(protein kinases)是細胞功能的關鍵調節(jié)分子,是生物體內(nèi)*大且功能*多樣的基因家族之一。因此,激酶是開發(fā)治療癌癥、炎癥、糖尿病、心血管疾病和阿爾茲海默癥等相關疾病藥物的重要靶標。然而,由于激酶家族蛋白質(特別是催化域)結構的高度保守性,給高效選擇性激酶抑制劑的開發(fā)帶來了巨大挑戰(zhàn)。
二十一世紀以來,隨著計算機計算能力的迅猛提升和大數(shù)據(jù)的涌現(xiàn),深度學習在機器學習算法的基礎上快速崛起,并在藥物研發(fā)領域得到廣泛應用。然而,對許多尚未經(jīng)過充分深入研究的激酶靶標,目前已有的數(shù)據(jù)還遠遠達不到訓練中等規(guī)模神經(jīng)網(wǎng)絡所需的量級。因此,傳統(tǒng)的單任務神經(jīng)網(wǎng)絡模型通常難以取得較好的泛化性能。
為了解決這一問題,中國科學院上海藥物研究所蔣華良、鄭明月團隊采用了多任務深度神經(jīng)網(wǎng)絡(multitask deep neural network)建立分類模型解決化合物的激酶譜預測問題。多任務深度神經(jīng)網(wǎng)絡通過任務間的遷移學習,可以高效解決具有相關性的多類別分類問題,對于眾多激酶靶標,共享的保守催化域使得多重活性預測任務緊密相關。因此,利用多任務深度神經(jīng)網(wǎng)絡可以有效減少特定激酶數(shù)據(jù)不足對模型泛化性能的限制。此外,多任務神經(jīng)網(wǎng)絡只需建立一個模型即可對整體激酶譜進行預測,無需多次建模,并且通過使用共享表示減少了模型參數(shù)的規(guī)模,可以使模型的訓練學習過程更加高效。
上述研究結果近期在線發(fā)表于Journal of Medicinal Chemistry,題為Deep Learning Enhancing Kinome-Wide Polypharmacology Profiling: Model Construction and Experiment Validation,并被選為封面論文。上海藥物所藥物設計與發(fā)現(xiàn)中心(DDDC)鄭明月為論文通訊作者,**作者是藥物發(fā)現(xiàn)與設計中心博士研究生李敘潼。
1、檢測行業(yè)全覆蓋,滿足不同的檢測;
2、實驗室全覆蓋,就近分配本地化檢測;
3、工程師一對一服務,讓檢測更精準;
4、免費初檢,初檢不收取檢測費用;
5、自助下單 快遞免費上門取樣;
6、周期短,費用低,服務周到;
7、擁有CMA、CNAS、CAL等權威資質;
8、檢測報告權威有效、中國通用;
①本網(wǎng)注名來源于“互聯(lián)網(wǎng)”的所有作品,版權歸原作者或者來源機構所有,如果有涉及作品內(nèi)容、版權等問題,請在作品發(fā)表之日起一個月內(nèi)與本網(wǎng)聯(lián)系,聯(lián)系郵箱service@baijiantest.com,否則視為默認百檢網(wǎng)有權進行轉載。
②本網(wǎng)注名來源于“百檢網(wǎng)”的所有作品,版權歸百檢網(wǎng)所有,未經(jīng)本網(wǎng)授權不得轉載、摘編或利用其它方式使用。想要轉載本網(wǎng)作品,請聯(lián)系:service@baijiantest.com。已獲本網(wǎng)授權的作品,應在授權范圍內(nèi)使用,并注明"來源:百檢網(wǎng)"。違者本網(wǎng)將追究相關法律責任。
③本網(wǎng)所載作品僅代表作者獨立觀點,不代表百檢立場,用戶需作出獨立判斷,如有異議或投訴,請聯(lián)系service@baijiantest.com