典型文献
基于图卷积神经网络的小分子虚拟筛选
文献摘要：
新药研发存在研发周期长、成本高和成功率低等问题.为了解决这一系列问题,提高早期药物研发效率,提出一种基于图卷积神经网络的虚拟筛选方法,并利用模型对EGFR(Epidermal Growth Factor Receptor,表皮生长因子受体)靶点进行虚拟筛选.首先获取EGFR靶点的相关数据,对其进行数据处理后用于模型训练;随后应用模型筛选大量化合物,筛选出小分子后,将其与药物分子进行化合物相似性搜索,验证其是否与已知的EGFR药物存在相似性;同时,将图卷积神经网络(Graph Convolutional Networks,GCN)模型与其他传统机器学习模型进行比较,证明本研究模型在各项指标中均优于其他模型.实验结果表明,本研究提出的方法具有较好的预测性和准确性,为发现潜在药物提供了助力.
文献关键词：
图卷积神经网络;虚拟筛选;EGFR;化合物相似性搜索;机器学习
中图分类号：
作者姓名：
张凯睿;黄钢
作者机构：
上海理工大学健康科学与工程学院,上海 200093;上海健康医学院上海市分子影像重点实验室,上海 201318
文献出处：
引用格式：
[1]张凯睿;黄钢-.基于图卷积神经网络的小分子虚拟筛选)[J].软件工程,2022(07):19-23
A类：
化合物相似性搜索
B类：
图卷积神经网络,小分子,子虚,虚拟筛选,新药研发,研发周期,早期药物,药物研发,研发效率,筛选方法,EGFR,Epidermal,Growth,Factor,Receptor,表皮生长因子受体,模型训练,应用模型,模型筛选,药物分子,Graph,Convolutional,Networks,GCN,机器学习模型,研究模型,潜在药物
AB值：
0.319293
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
