蛋白激酶(protein kinases)是细胞功用的要害调度分子,是生物体内最大且功用最多样的基因家族之一。因而,激酶是开发医治癌症、炎症、糖尿病、汗水管疾病和阿尔兹海默症等有关疾病药物的重要靶标。可是,因为激酶家族蛋白质(特别是催化域)规划的高度保存性,给高效选择性激酶抑制剂的开发带来了无量应战。 二十一世纪以来,跟着核算机核算才能的迅猛前进和大数据的
呈现,深度学习在机器学?惴ǖ幕∩峡焖俟钠穑⒃谝┪镅蟹⒘煊虻玫焦惴菏褂谩?墒牵孕矶嗝挥芯浞稚罨刑值募っ赴斜辏鼻耙延械氖莼乖对洞锊坏搅废爸械裙婊窬缢璧牧考丁R蚨车牡ナ姑窬缒P鸵话隳岩曰竦媒虾玫姆夯δ堋! ∥镁稣庖灰晌剩肌⒅C髟峦哦友∮昧硕嗍姑疃壬窬纾╩ultitask deep neural network)树立分类模型处置化合物的激酶谱猜测疑问。多使命深度神经网络经过使命间的搬场学习,可以高效处置具有有关性的多品种分类疑问,关于许多激酶靶标,同享的保存催化域使得多重活性猜测使命紧密有关。因而,使用多使命深度神经网络可以有用削减特定激酶数据缺乏对模型泛化功能的捆绑。此外,多使命神经网络只需树立一个模型即可对全体激酶谱进行猜测,无需多次建模,而且经过运用同享标明削减了模型参数的规划,可以使模型的练习学习进程愈加高效。 上述研讨成果近期在线宣告于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。我国科学院上海药物研讨所药物方案与发现中心(dddc)郑明月为论文通讯作者,第一作者是我国科学院上海药物研讨所药物发现与方案中心博士研讨生李叙潼。 全文联接:https://doi.org/10.1021/acs.jmedchem.9b00855journal of medicinal chemistry文章标题根据多使命神经网络的药物激酶谱猜测流程多使命神经网络与随机森林猜测体现比照(左)对五个化合物猜测与实验得到的激酶图谱,符号为赤色的激酶标明猜测或实验测定为活性。(右)猜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(赤色),认为化合物对该激酶家族具有选择性。