国产成人亚洲欧美91_在线看片免费人成视频丨_久久免費视频精品_在线观看网站深夜免费A√

　　蛋白激酶（protein kinases）是細胞功能的關鍵調節(jié)分子，是生物體內最大且功能最多樣的基因家族之一。因此，激酶是開發(fā)治療癌癥、炎癥、糖尿病、心血管疾病和阿爾茲海默癥等相關疾病藥物的重要靶標。然而，由于激酶家族蛋白質（特別是催化域）結構的高度保守性，給高效選擇性激酶抑制劑的開發(fā)帶來了巨大挑戰(zhàn)。
　　二十一世紀以來，隨著計算機計算能力的迅猛提升和大數(shù)據(jù)的涌現(xiàn)，深度學習在機器學習算法的基礎上快速崛起，并在藥物研發(fā)領域得到廣泛應用。然而，對許多尚未經(jīng)過充分深入研究的激酶靶標，目前已有的數(shù)據(jù)還遠遠達不到訓練中等規(guī)模神經(jīng)網(wǎng)絡所需的量級。因此，傳統(tǒng)的單任務神經(jīng)網(wǎng)絡模型通常難以取得較好的泛化性能。
　　為了解決這一問題，中國科學院上海藥物研究所蔣華良、鄭明月團隊采用了多任務深度神經(jīng)網(wǎng)絡（multitask deep neural network）建立分類模型解決化合物的激酶譜預測問題。多任務深度神經(jīng)網(wǎng)絡通過任務間的遷移學習，可以高效解決具有相關性的多類別分類問題，對于眾多激酶靶標，共享的保守催化域使得多重活性預測任務緊密相關。因此，利用多任務深度神經(jīng)網(wǎng)絡可以有效減少特定激酶數(shù)據(jù)不足對模型泛化性能的限制。此外，多任務神經(jīng)網(wǎng)絡只需建立一個模型即可對整體激酶譜進行預測，無需多次建模，并且通過使用共享表示減少了模型參數(shù)的規(guī)模，可以使模型的訓練學習過程更加高效。
　　上述研究結果近期在線發(fā)表于Journal of Medicinal Chemistry，題為Deep Learning Enhancing Kinome-Wide Polypharmacology Profiling: Model Construction and Experiment Validation，并被選為封面論文。上海藥物所藥物設計與發(fā)現(xiàn)中心（DDDC）鄭明月為論文通訊作者，第一作者是藥物發(fā)現(xiàn)與設計中心博士研究生李敘潼。
　　論文鏈接
　　 
　　基于多任務神經(jīng)網(wǎng)絡的藥物激酶譜預測流程
　　 
　　多任務神經(jīng)網(wǎng)絡與隨機森林預測表現(xiàn)對比
　　 
　?。ㄗ螅ξ鍌€化合物預測與實驗得到的激酶圖譜，標記為紅色的激酶表示預測或實驗測定為活性。（右）預測與實驗得到的激酶家族選擇性，當一個家族的odds ratio顯著大于1（紅色），認為化合物對該激酶家族具有選擇性。