九九久久精品免费观看,蜜臀av午夜福利在线,后入内射无码人妻一区,六月婷婷精品视频在线观看,一区二区三区婷婷中文字幕,51精品免费视频国产专区,JIZZJIZZ国产,国产极品女主播国产区,亚洲一区二区三区国产精品 ,免费一看一级毛片

2021年5月7日，浙江大學(xué)藥學(xué)院侯廷軍教授團隊在Journal of Medicinal Chemistry上在線報道了他們最新的研究成果-“多任務(wù)圖注意力框架（Multi-task Graph Attention framework，MGA）”（圖1），用于化合物毒性預(yù)測。研究團隊發(fā)展的新型AI算法，通過同時學(xué)習(xí)大量毒性任務(wù)，提升了毒性模型的預(yù)測精度，并能夠幫助揭示化合物結(jié)構(gòu)與化合物毒性之間的關(guān)系。

藥物的發(fā)現(xiàn)和開發(fā)是一個周期長、投資高、風(fēng)險高的過程，而安全性是阻礙潛在候選藥物進入市場的主要因素。研究表明，藥物安全性導(dǎo)致藥物開發(fā)失敗率為30％，甚至使一些已上市的藥物退出市場。因此，在藥物開發(fā)的早期階段確定藥物毒性和不良的藥物相互作用是非常重要的。盡管已經(jīng)開發(fā)了一些體內(nèi)和體外方法來探索藥物毒性和藥物-藥物相互作用，但是這些方法仍然是耗時較長且昂貴的。而通過計算模型進行毒性預(yù)測，由于其綠色、快速、廉價和準確的優(yōu)點已得到了更廣泛的應(yīng)用。

近年來，基于機器學(xué)習(xí)的毒性預(yù)測研究取得了很大的進步，但仍然面臨著兩個主要的挑戰(zhàn)，一是部分毒性數(shù)據(jù)集的質(zhì)量不高，規(guī)模不大；二是難以揭示化合物結(jié)構(gòu)同毒性之間的關(guān)系。針對以上挑戰(zhàn)，浙江大學(xué)侯廷軍教授團隊、中南大學(xué)曹東升教授團隊和騰訊量子實驗室謝昌諭博士合作開發(fā)了多任務(wù)圖注意力框架（Multi-task Graph Attention framework，MGA），用以從大量的毒性數(shù)據(jù)中挖掘毒性信息，并構(gòu)建更精準的毒性預(yù)測模型。

圖1.（A）MGA框架。（B）MGA用于毒性預(yù)測實例。

MGA多任務(wù)圖注意框架是一種可以同時學(xué)習(xí)回歸和分類毒性任務(wù)的多任務(wù)圖神經(jīng)網(wǎng)絡(luò)框架，按功能分為四個部分：輸入、深度毒性提取器DTE、毒性指紋生成器DFT-G和毒性預(yù)測器TP。MGA的輸入是由原子表征和化學(xué)鍵表征組成的分子圖。DTE由兩個圖神經(jīng)網(wǎng)絡(luò)層組成，可以從分子碎片中提取通用的毒性表征。DFP-G可以為不同的毒性任務(wù)分配不同的分子碎片權(quán)重，然后根據(jù)特定的毒性任務(wù)從通用毒性表征生成定制化的毒性指紋。最后，TP根據(jù)定制化的毒性指紋預(yù)測相應(yīng)的化學(xué)毒性。

MGA在31個毒性任務(wù)中表現(xiàn)出了優(yōu)異的預(yù)測精度。此外，MGA能夠通過DTE來提取通用毒性特征，并通過TFP-G生成定制化毒性指紋，同時通過分析TFP-G中各注意力層的相似性能揭示不同毒性任務(wù)間的相關(guān)性。TFP-G中的注意力層能夠賦予環(huán)狀分子碎片不同權(quán)重，而容易導(dǎo)致毒性的環(huán)狀分子碎片則表現(xiàn)出了更高的權(quán)重。

該論文第一作者是浙江大學(xué)博士研究生吳振興，浙江大學(xué)侯廷軍教授為最后通訊作者，中南大學(xué)曹東升教授和騰訊量子實驗室謝昌諭博士為共同通訊作者。

論文鏈接：https://pubs.acs.org/doi/pdf/10.1021/acs.jmedchem.1c00421

參考資料：http://www.cps.zju.edu.cn/2021/0531/c26506a2381199/page.htm