DeepAtom: A Framework for Protein-Ligand Binding Affinity Prediction

最新推荐文章于 2024-05-10 19:14:17 发布
最新推荐文章于 2024-05-10 19:14:17 发布
阅读量467 收藏 1
点赞数
分类专栏： DRUG AI
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44251938/article/details/114680505
版权

在这里插入图片描述

深度可分离卷积

DwConv作为深度可分离卷积，虽然它不能结合不同的输入通道，但两个相邻的正则点卷积可以有效地融合通道上的信息。另一个分支在与第一个分支的输出连接之前一直保持ptas身份。这种身份分支可以看作是一种有效的特征重用设计，增强了特征的传播，减少了参数的数量。在一个基本单元内，纵深卷积和点向卷积分别引入了·T·R·n2和·n2·n2参数。因此，用一个基本单位可以来代替标准卷积。DeepAtom使用 3个3深度卷积，通道数设置为244,488,976。因此，通过高效的模型设计，我们可以很容易地获得20倍以上的参数缩减，这使我们能够进行更深层的堆叠，以提高模型的学习能力。

Paper reading (六十八)：A ML approach to predicting protein–ligand binding affinity
wxw060709的专栏
11-07 430
论文题目：A machine learning approach to predicting protein–ligand binding affinity with applications to molecular docking scholar 引用：289 页数：7 发表时间：2010.03 发表刊物：Bioinformatics 作者：Pedro J. Ballester, ...
基于点云的深度学习方法预测蛋白-配体结合亲和力【Briefings in Bioinformatics, 2022】
续起大胡子
03-22 1578
论文学习笔记 论文题目：A point cloud-based deep learning strategy for protein–ligand binding affinity prediction
DeepDTAF:一种预测蛋白质配体结合亲和力的深度学习方法
学习日记
10-01 3051
DeepDTAF: a deep learning method to predictprotein–ligand binding affinity
2022-ACS-Boosting Protein−Ligand Binding Pose Prediction and Virtual Screening Based on Residue−Atom
发呆的比目鱼的博客
03-24 329
2022-ACS-Boosting Protein−Ligand Binding Pose Prediction and Virtual Screening Based on Residue−Atom
Deep drug-target binding affinity prediction with multiple attention blocks论文解读（二）2021SC@SDUSC
chy931088287的博客
12-28 878
2021SC@SDUSC 数据集 然后是对基准数据集的介绍，KIBA和DAVIS 使用CI和r2m度量标准来衡量所提出的模型和基准模型的性能。 对于Davis和KIBA数据集中蛋白质和药物的输入，我们采用了DeepDTA方法，通过字典将药物和蛋白质序列的smile数字化到一个固定的最大长度。 deepDTA deepDTA论文笔记：csdn：https://blog.csdn.net/qq_40311018/article/details/109672553 实验设置 作者在基准数据集上评估了MATT
DeepDTA_Deep Drug-Target Binding Affinity Prediction2018.pdf
03-20
However, protein–ligand interactions assume a continuum of binding strength values, also called binding affinity and predicting this value still remains a challenge. The increase in the affinity ...
Lateral field excited film bulk acoustic resonator for detection of protein-ligand interactions
02-21
这篇文章主要探讨了利用横向场激发的薄膜体声波谐振器（Lateral field excited film bulk acoustic resonator, LFE-FBAR）实时检测蛋白-配体相互作用的研究。下面详细说明文章中的关键知识点： ...
Visualization of Protein-Ligand Graphs:计算和可视化蛋白质图以进行蛋白质结构分析。-开源
04-30
蛋白质配体图的可视化（VPLG）软件包可计算和可视化蛋白质图。 它在超二级结构级别上工作，并使用来自PDB文件的原子坐标和DSSP算法的SSE分配。 VPLG是命令行软件。 如果您不喜欢键入命令，请尝试使用我们的PTGL Web...
Generative-Adversarial-Network-for-Protein-Generation:HLA-Ligand数据集的蛋白质肽序列是通过实施生成器和鉴别器的深度学习神经网络通过GAN创建的
03-30
通过GAN生成肽 这是一个有关使用Generative Model生成肽库的项目。 第一周：学习 对GAN 0有好处。我们可以使用什么生成模型？ 1.... 或其他G模型。 这很好： : 理论和背景资料。...决定套餐：keras辅助分类器GAN（ACGAN...
ProtoCaller:GROMACS中相对蛋白质-配体结合自由能的全自动计算
05-01
呼叫者 关于 ProtoCaller是一个Python库，可实现GROMACS中相对蛋白质-配体结合自由能计算的受控自动化。 ProtoCaller使用多种工具来自动化自由能计算过程，例如：Biopython，BioSimSpace，CHARMM-GUI，（可选）...
Paper reading (三十四)：Protein−Ligand Scoring with Convolutional Neural Networks
wxw060709的专栏
10-17 637
论文题目：Protein−Ligand Scoring with Convolutional Neural Networks scholar 引用：121 页数：16 发表时间：2017.04 发表刊物：Journal of Chemical Information and Modeling 作者：Matthew Ragoza, Joshua Hochuli, Elisa Idrobo,...
从3D结构中增强蛋白质-配体的结合亲和力预测
白景屹的博客
03-13 1115
基于3D结构的PLA预测
药物靶标亲和力（一）
最新发布
qq_46080349的博客
05-10 1380
用深度学习方法预测药物靶标亲和力
A deep-learning framework for multi-levelpeptide–protein interaction prediction文章梳理
Daisy4的博客
10-10 1394
作者：清华大学的曾坚阳老师团队 期刊：Nature Communication 时间：2021.9.15 0写在前面的疑惑 1）模型中，三个分类通道有一个分支将输出结果给与数字通道，目的是什么？ 1动机 多肽通过与多种蛋白质相互作用并参与许多细胞过程，如程序性细胞死亡、基因表达调控和信号转导，因此，多肽在人类生理中发挥着至关重要的作用。由于其安全性、良好的人体耐受性，以及良好的灵活性和构象刚性之间的平衡，目前，肽已成为设计新的其他药物的良好起点，而准确识别肽蛋白相互作用(pepis)对这类疗法.
应用卷积神经网络CNN预测DNA-蛋白结合位点
jasonaidm的博客
09-19 1万+
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。卷积神经网络是目前应用最为广泛之一的深度学习技术，它是一种含特征提取器(由卷积层和混合池层组成)的深度神经网络，该网络流行于计算机视觉领域。计算机视觉非常直观且好理解，机器学习领域对其关注已久。人类自身具备优秀的视觉处理能力，所以当设计的学习算法不及预期的时...
论文笔记：DeepDTA: deep drug–target binding affinity prediction Hakime
一个自律的人会想方设法阻止自己的懒惰
11-13 3810
DeepDAT 动机：药物靶标对相互作用的研究是新药物过程的重要过程，此前大多数研究集中于二分类，即药物-靶标是是相互作用， 但是蛋白质配体的结合亲和力是连续值，预测该值是一个难题。 之前也少数研究，是基于蛋白质-配体复合物的3D就或化合物的2D特征 方法：本实验采用蛋白质和化合物的原始一维序列进行基于CNN的建模进行绑定亲和力的预测 采用回归模型，能够预测相互作用强度的近似值× 蛋白质-配体评分：× 非机器学习方法：随机森林 --->失败，推测原因，...
《用于预测蛋白质-配体结合亲和力的结构感知交互图神经网络》
weixin_43996337的博客
08-25 4064
《用于预测蛋白质-配体结合亲和力的结构感知交互图神经网络》 1.文章原标题与链接 《Structure-aware Interactive Graph Neural Networks for the Prediction of Protein-Ligand Binding Affinity》 原文链接 2.简介 药物发现通常依赖于蛋白质——配体结合亲和力的成功预测 图神经网络（GNNS）能实现更好的亲和预测 现有解决方案：**将蛋白质——配体复合物视为拓扑图数据 本文改进：结构感知的交互图形神经网络 1.
CVPR2020开源论文（部分带阅读笔记）
热门推荐
知识混子_的博客
05-29 3万+
CVPR2020论文开源项目合集CNNExploring Self-attention for Image RecognitionImproving Convolutional Networks with Self-Calibrated ConvolutionsRethinking Depthwise Separable Convolutions: How Intra-Kernel Correlations Lead to Improved MobileNets图像分类Compositional Convo
论文复现：DeepDTA: deep drug–target binding affinity prediction Hakime
一个自律的人会想方设法阻止自己的懒惰
11-15 3382
论文复现，只实现模型及5-fold交叉验证，论文模型，未实现参数优化以及baseline对比。 数据读入： 模型： 文件结构： datahelper.py 改自官方发布的代码 import numpy as np import json import pickle import math from collections import OrderedDict # from keras.preprocessing.sequence import pad_sequences ##..
给AI Predicted three-dimensional structures of protein-ligand complexes Protein-ligand complex structure database重新起个名字，使它的首字母缩写是一个有意义的常用的英文单词且不能是APLCS
02-12
可以将 "AI Predicted three-dimensional structures of protein-ligand complexes Protein-ligand complex structure database" 重新命名为 "Innovative Protein Ligand Complex Structure Database (IPLCS)"。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值