Méthode de prévision de la toxicité basée sur un réseau de neurones à convolution multicanaux / Toxicity Prediction Method Based on Multi-Channel Convolutional Neural Network. Molecules (2019)
Méthode de prévision de la toxicité basée sur un réseau de neurones à convolution multicanaux. Molécules (2019)
Dans la vie quotidienne, les gens sont exposés chaque jour à de nombreuses molécules par le biais d'aliments, de médicaments, etc. Par conséquent, tester la toxicité d'une molécule est crucial pour la vie humaine. La prédiction de la toxicité moléculaire est l’une des études clés dans la conception de médicaments. Dans cet article, un réseau d'apprentissage approfondi (« deep learning ») basé sur une grille de molécules en deux dimensions est proposé pour prédire la toxicité moléculaire. Tout d’abord, la force de van der Waals et la liaison hydrogène ont été calculées en fonction de différents descripteurs de molécules, puis des grilles multicanaux ont été générées et ont permis de découvrir en détails des informations moléculaires utiles pour la prévision de la toxicité. Les grilles générées ont été introduites dans un réseau de neurones à convolution pour obtenir le résultat. L’ensemble de données Tox21, qui contient plus de 12 000 molécules, a été utilisé pour l'évaluation. L'expérience montre que la méthode proposée est plus performante que d'autres méthodes traditionnelles d'apprentissage approfondi (« deep learning ») et d'apprentissage automatique (« machine learning »).
#apprentissage #toxicité #prévision
#apprentissage #toxicité #prévision
Toxicity Prediction Method Based on Multi-Channel Convolutional Neural Network. Molecules (2019)
In daily life, people are exposed to many molecules every day through food, drugs, etc. Therefore, the toxicity test of a molecule is crucial to human life. Molecular toxicity prediction is one of the key studies in drug design. In this paper, a deep learning network based on a two-dimension grid of molecules is proposed to predict toxicity. At first, the van der Waals force and hydrogen bond were calculated according to different descriptors of molecules, and multi-channel grids were generated, which could discover more detail and helpful molecular information for toxicity prediction. The generated grids were fed into a convolutional neural network to obtain the result. A Tox21 dataset was used for the evaluation. This dataset contains more than 12,000 molecules. It can be seen from the experiment that the proposed method performs better compared to other traditional deep learning and machine learning methods.
#learning #toxicity #prediction
#learning #toxicity #prediction
