Mar, 2019
药物发现中的可解释深度学习
Interpretable Deep Learning in Drug Discovery
Kristina Preuer, Günter Klambauer, Friedrich Rippmann, Sepp Hochreiter, Thomas Unterthiner
TL;DR本文旨在揭示预测分子性能和生物活性的神经网络是如何生成并理解隐藏于模型中的学习表示的。我们提出了一种解释神经元如何被用作分类器的方法,用以确定具有药效或毒性结构的成分,从而为化学、药理学和生物化学领域提供新的视角与重要的知识。此外,我们还提出了一种从模型中提取新型药效或毒性结构的方法,并证明这些结构与文献中的发现是一致的。通过这些可解释的知识,我们能更好地开发和设计新的药物分子,同时理解当前方法的失败和成功。