基于先验知识的分子表征多任务深度卷积神经网络的小样本激酶抑制剂活性预测（英文）

作者：霍文博; 谭英^*; 申万祥; 蒋宇扬; 陈宇综; 陈妍

来源：中国现代应用药学, 2022, 39(21): 2819-2827.

DOI：10.13748/j.cnki.issn1007-7693.2022.21.018

• 深度学习
• 激酶抑制剂
• 活性预测
• 多任务学习
• 回归策略
• 药物研发

为了推动药物研发，深度学习模型被开发用于预测包括激酶在内的各种靶点的抑制剂，且能够达到较好的预测性能。尽管如此，深度学习在小样本靶点(<100个已知的活性化合物)上的预测性能还没有得到充分的测试。本研究利用最近出现的深度卷积神经网络MolMapNet方法在基于先验知识的分子表示下具有的良好的活性预测能力，开发出了多任务MolMapNet模型，用于预测6个激酶亚家族的19个小样本激酶和43个大样本激酶的抑制剂活性。开发的用于所有小样本和大样本激酶的多任务MolMapNet模型明显比单任务模型具有更好的活性预测性能。R2值等活性预测指标在0.651 3～0.749 8内表现较好。这证明了多任务迁移学习在小样本靶标活性预测中的鲁棒性。

• 单位
  清华大学深圳国际研究生院; 深圳湾实验室