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。