零基础入门AI(机器学习)竞赛-baseline暑期夏令营

abc123dzy-

已于 2024-07-04 17:23:33 修改

阅读量698

点赞数 15

文章标签：人工智能机器学习 ai

于 2024-07-04 15:25:35 首次发布

本文链接：https://blog.csdn.net/m0_73549544/article/details/140180358

版权

小白零基础 5 分钟速通指南

第一步：报名赛事

赛事链接：2024 iFLYTEK AI开发者大赛-讯飞开放平台

第二步：五分钟体验一站式baseline

项目链接：https://aistudio.baidu.com/projectdetail/8094146?sUid=4890304&shared=1&ts=1719315147213

PS：建议使用 edge、chrome 等浏览器，safari 浏览器可能无法下载文件

登录百度账号
运行项目
如果是新用户，需要完善信息
启动环境
运行全部Cell

第三步：提交文件，拿下第一个分数！

使用刚刚下载的 submit.csv 文件进行提交！拿下第一个分数！

新用户需先完成实名认证

赛题深入解析

赛题背景

强调了人工智能在科研领域，特别是在化学和药物研发中的重要性。
指出了PROTACs技术在靶向降解目标蛋白质方面的潜力。

赛题任务

要求选手使用提供的demo数据集，这个数据集包含了多个与PROTACs降解能力相关的字段。
允许选手通过数据增强或自行搜集数据来扩充数据集，并自行划分数据集用于训练和验证模型。

赛题提供的数据比较有限，仅有几百条，如果能搜索出合适的数据扩充数据集将会是很大的提升，当然数据的搜索也是非常困难的。

数据字段理解

赛题介绍部分并没有给出关于数据字段的具体介绍，所以这里对每个数据字段进行解释：

数据集包含了多个字段，如uuid（唯一标识符）、Label（降解能力的标签，0表示降解能力较差，1表示降解能力好）、Uniprot、Target、E3 ligase、PDB等，这些都是与PROTACs分子相关的信息。
还包括了降解能力相关的数值指标，如DC50（半数降解浓度）、Dmax（最大降解效率）、IC50（半抑制浓度）、EC50（半有效浓度）等。
还包括了与分子物理化学性质相关的字段，如Molecular Weight（分子量）、Exact Mass（精确质量）、XLogP3（预测的脂水分配系数）等。

具体说明如下：

其中将对Smiles、Assay (DC50/Dmax)、Assay (Protac to Target, IC50)、Assay (Cellular activities, IC5、Article DOI、InChI展开介绍。

最后，描述了与细胞活性相关的参数，包括：

UUID: 一个唯一的标识符，用于识别数据记录。
Label: 可能指的是化合物或数据集的标签或名称。
Uniprot: 一个蛋白质数据库，提供关于蛋白质序列、结构和功能的信息。
Target: 目标蛋白，即PROTACs设计来降解的特定蛋白质。
E3 ligase: E3连接酶，一种在泛素化过程中扮演角色的酶，帮助标记蛋白质以供降解。
PDB: 蛋白质数据银行，一个包含蛋白质和核酸结构的数据库。
Name: 化合物的名称。
Smiles: 一种表示分子结构的字符串格式。
DC50 (nM): 半最大降解浓度，即达到最大降解效果一半时的化合物浓度。
Dmax (%): 最大降解效率，表示化合物能实现的最大降解效果的百分比。
Assay: 实验方法，这里可能指的是用于测定DC50、Dmax等的实验。
Percent degradation: 分子降解的百分比。
IC50 (nM, Protac to Target): 半最大抑制浓度，针对PROTACs与其目标蛋白的复合物。
EC50 (nM, Protac to Target): 半最大有效浓度，即达到一半最大生物效应的浓度。
Kd (nM, Protac to Target): 解离常数，表示PROTACs与其目标蛋白复合物的结合强度。
Ki (nM, Protac to Target): 抑制常数，用于描述抑制剂与酶的结合强度。
delta G, delta H, -T*delta S: 分别表示结合反应的吉布斯自由能变化、焓变和熵变，这些热力学参数用于描述分子间相互作用的能量状态。
kon, koff: 分别表示分子结合和解离的速率常数。
t1/2 (s, Protac to Target): 半衰期，即分子浓度减少到初始浓度一半所需的时间。
Assay (Protac to Target, kon/koff/t1/2): 可能是指测定结合和解离速率常数以及半衰期的实验方法。
IC50, EC50, Kd, Ki: 与三元复合物相关的参数，与前面提到的类似，但这里特指三元复合物。
delta G, delta H, -T*delta S: 描述三元复合物的热力学参数。
kon, koff, t1/2: 描述三元复合物的动力学参数。
IC50, EC50, GI50, ED50, GR50: 这些参数描述了化合物在细胞水平上的活性，如半最大抑制浓度、半最大效应浓度等。
PAMPA Papp: 一种评估药物分子在仿生膜上的通透性的方法。
Caco-2 A2B/B2A Papp: 使用Caco-2细胞系评估药物分子的肠道吸收能力。
Article DOI: 文章的数字对象标识符，用于唯一标识科学文献。
Molecular Weight, Exact Mass: 分子量和精确质量。
XLogP3: 预测的辛醇/水分配系数，用于预测脂溶性。
Heavy Atom Count, Ring Count: 重原子数和环的数量。
Hydrogen Bond Acceptor/Donor Count: 氢键受体/供体计数。
Rotatable Bond Count: 可旋转键的数量。
Topological Polar Surface Area: 拓扑极性表面积。
Molecular Formula, InChI, InChI Key: 分子式、国际化学标识符及其密钥。
IC50, EC50, GI50, ED50, GR50: 这些参数描述了化合物在细胞水平上的活性，如半最大抑制浓度、半最大效应浓度等。
PAMPA Papp: 一种评估药物分子在仿生膜上的通透性的方法。
Caco-2 A2B/B2A Papp: 使用Caco-2细胞系评估药物分子的肠道吸收能力。
Article DOI: 文章的数字对象标识符，用于唯一标识科学文献。
Molecular Weight, Exact Mass: 分子量和精确质量。
XLogP3: 预测的辛醇/水分配系数，用于预测脂溶性。
Heavy Atom Count, Ring Count: 重原子数和环的数量。
Hydrogen Bond Acceptor/Donor Count: 氢键受体/供体计数。
Rotatable Bond Count: 可旋转键的数量。
Topological Polar Surface Area: 拓扑极性表面积。
Molecular Formula, InChI, InChI Key: 分子式、国际化学标识符及其密钥。