入驻化学加,推广快人一步
导读
蛋白激酶(protein kinases)是细胞功能的关键调节分子,是生物体内最大且功能最多样的基因家族之一。因此,激酶是开发治疗癌症、炎症、糖尿病、心血管疾病和阿尔兹海默症等相关疾病药物的重要靶标。然而,由于激酶家族蛋白质(特别是催化域)结构的高度保守性,给高效选择性激酶抑制剂的开发带来了巨大挑战。
跳转阅读→桌面收藏化学加小程序,想找哪个产品输哪个
Journal of Medicinal Chemistry文章标题
二十一世纪以来,随着计算机计算能力的迅猛提升和大数据的涌现,深度学习在机器学习算法的基础上快速崛起,并在药物研发领域得到广泛应用。然而,对许多尚未经过充分深入研究的激酶靶标,目前已有的数据还远远达不到训练中等规模神经网络所需的量级。因此,传统的单任务神经网络模型通常难以取得较好的泛化性能。
基于多任务神经网络的药物激酶谱预测流程
为了解决这一问题,蒋华良、郑明月团队采用了多任务深度神经网络(multitask deep neural network)建立分类模型解决化合物的激酶谱预测问题。多任务深度神经网络通过任务间的迁移学习,可以高效解决具有相关性的多类别分类问题,对于众多激酶靶标,共享的保守催化域使得多重活性预测任务紧密相关。
多任务神经网络与随机森林预测表现对比
因此,利用多任务深度神经网络可以有效减少特定激酶数据不足对模型泛化性能的限制。此外,多任务神经网络只需建立一个模型即可对整体激酶谱进行预测,无需多次建模,并且通过使用共享表示减少了模型参数的规模,可以使模型的训练学习过程更加高效。
(左)对五个化合物预测与实验得到的激酶图谱,标记为红色的激酶表示预测或实验测定为活性。(右)预测与实验得到的激酶家族选择性,当一个家族的odds ratio显着大于1(红色),认为化合物对该激酶家族具有选择性。
上述研究结果近期在线发表于Journal of Medicinal Chemistry,题为“Deep Learning Enhancing Kinome-Wide Polypharmacology Profiling: Model Construction and Experiment Validation” ,并被选为封面论文。中国科学院上海药物研究所药物设计与发现中心(DDDC)郑明月为论文通讯作者,第一作者是中国科学院上海药物研究所药物发现与设计中心博士研究生李叙潼。
全文链接:/10.1021/acs.jmedchem.9b00855
来源 | 上海药物所编辑 | 化学加
入驻化学加网快速通道,将与微信小程序同步展示
2万多家化工医药企业已入驻
(长按识别二维码立即注册入驻)
分享赐稿 | 转载联系 | 广告推广 | 商务合作
联系化学加编辑部:18676881059(手机/微信)
邮箱:gongjian@
拓展阅读
施一公:做,就尽力做到极致,这是西湖大学的学术品格和精神气度
中国化学会正式加入面向全球化学领域的预印本系统ChemRxiv
奎宁的全合成之路 —— 致敬有机合成大师Gilbert Stork
首位中国获奖者!西工大应化系博士生荣获CSTE杰出青年科学家奖
Angew. 通过三价膦催化δ-乙酰氧基烯丙酸酯和2-羟基醌衍生物发生阻转选择性(4+2)环化来合成芳基-萘醌阻转异构体
北大贾彦兴课题组Angew:Pallambins A-D的首例不对称全合成
北京大学雷晓光教授:推动人类文明的合成化学
【重磅】度中国医药工业百强榜发布!