Aug, 2023
使用不同机器学习方法预测药物溶解度 -- 提取化学特征与图卷积神经网络的线性回归模型
Predicting Drug Solubility Using Different Machine Learning Methods -- Linear Regression Model with Extracted Chemical Features vs Graph Convolutional Neural Network
John Ho, Zhao-Heng Yin, Colin Zhang, Henry Overhauser, Kyle Swanson...
TL;DR利用现代计算资源，本研究采用线性回归模型和图卷积神经网络模型分析多个实验数据集，预测分子的溶解度，结果表明 GCNN 模型具有最佳性能，同时线性回归模型的特征重要性分析揭示了化学影响机制，为设计新药物时了解化学结构对化学性质的影响提供了重要参考。未来的工作应该将 GCNN 模型的高性能与线性回归模型的解释性相结合，以推动下一代高通量筛选的新突破。