聪慧网-聪慧过人( 五 ) _生活百科

模型含有各个项目，例如疏水项，氢键项，库伦作用等等，通过少量数据拟合一些参数。
通过深度学习的方法要怎么做？
首先，需要表示蛋白以及小分子，小分子表示有很多种方法，例如字符串、拓扑图表示方法、3D小分子表示方法等，基于不同表示方法，深度学习模型也有很多方法。

文章插图
再介绍一个算法应用案例，分子生成其实是AI介入药物设计，或者AI介入CADD领域最早的一个方面。
传统CADD（计算机辅助药物设计）是有一些model可以基于结构和性质，对数据建立关系并做一些预测。
但传统model比较简单，没法做分子生成，所以分子生成是AI介入比较早的方面，也是望石最早发力的方面。
前面提到小分子化学空间是1060规模，基本不可能在其中进行筛选，所以可以理解为从另一个角度进行筛选。
其中不是随机生成，而是定向生成，例如做分子跃迁，生成和参考分子结构做成药性导向和强化学习，以及一些对抗生存网络导向，生成成药性更好分子。例如活性导向，希望生成特定靶向有活性分子。
但这些生成方法都依赖于，好的ADMET性质判别模型，好的活性判别方法，所以两个生成并不容易。
接下来的问题在于，分子既然要生成首先就得表示出来。
刚才提到几种方式，其中一种是片段表示方式，这是很重要的分子设计领域，对应模型生成方法，也是传统机器学习生成领域常用的一些算法，例如VAE model， GAN网络等。
这里先介绍评估方法，分子生成评估也有很多问题，例如新引擎怎么评估？
这里我们只谈这篇文章提到的评估方式，他们找到一个评估集GDB13，列举13个所有符合化学规则分子，大概找了有1亿个，其中有2000万个环体系， 4000万片段，然后找各种方法去生成model，这些model都是用100万样本训练。
然后用这些model生成10亿个分子，再观察10亿个分子中到底生成什么，并与一亿个分子库比较，这十亿个分子到底生成覆盖了多少，有多少重复，占百分之多少，有没有生成超出1亿分子的奇怪分子，从这些视角来评价。
所以我们挑选了几个指标，第一就是重复率，看看10亿个分子中，有多少分子是重复的；然后看覆盖率，生成10亿分子中能覆盖1亿分子中百分比是多少；然后看多少种超出这一亿分子范畴。
一般认为这一亿个分子列举了所有合理结构，如果生成分子不在这一亿个中，那大概率会被认为是不合理生成。
这里有一个评测，可以从表中看一下：

文章插图
首先是Validity，这个验证不是可合成性，而是很简单的语法规则，我们再关注重复率，重复率这个值越高则越差。
可以看到ORGAN和LatentGAN两个值都不理想，尤其是ORGAN，重复率非常高，说明GAN生成方式存在一定缺陷，如果不专门设计， GAN容易发生一些模式坍缩，重塑率非常之高。
然后从下面两个图来看，左边是覆盖范围，即model能cover多少。我们看到GAN model的覆盖范围非常低，说明发生了明显模式坍缩；而一些VAE方式要比GAN方式要好。
再看右图是超出率，即超出GDB13范围比例，可以看到，从ring system和fragment视角，两个GAN model生成了一些很奇怪的环体系和片段。
这可能是好事，但大概率是坏事，好的地方可能会生成新分子能力、新片段能力；坏地方是因为GDB13符合化学规则，这就是以后需要重点优化的方向。

以上关于本文的内容，仅作参考！温馨提示：如遇专业性较强的问题（如：疾病、健康、理财等），还请咨询专业人士给予相关指导!

「辽宁龙网」www.liaoninglong.com小编还为您精选了以下内容，希望对您有所帮助：