.png){kind=icon}
返回
Policy-Based Active Learning for Efficient Molecular Identification
.png){kind=icon}
PRE
AI
DOI：10.1021/acs.jcim.6c00474.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在有限实验预算下高效识别高价值分子仍是自动化化学设计的核心挑战。在Level 4自动化设置中，化学家定义候选空间，机器学习模型指导实验选择，基于池的主动学习已作为一种实用的框架用于化合物优先级排序。然而，传统方法主要优化代理结构-功能模型的预测精度，这可能与在预定义候选池中最大化搜索效率以识别最优性质分子的目标不完全一致。我们提出了一种基于策略的主动学习框架，将分子池选择重新表述为序贯决策问题。迭代选择过程被建模为马尔可夫决策过程，并通过训练策略网络在受限评估预算下优化累积搜索性能。属性预测模型作为上下文信号而非优化目标被纳入，从而实现对搜索效率的直接优化。我们构建了来自MoleculeNet和ChEMBL的1409个分子识别任务，并额外构建了6个文献整理的体内任务进行性能评估。在基准测试和体内实验中，该框架均展现出在有限评估周期内识别最优分子的高效性。案例研究进一步阐明了该框架的优缺点。这些结果突显了基于策略的主动学习在预定义候选池中提升分子识别效率的潜力，为预算受限的化学发现提供了一种可推广的策略。
Keyword:
Computational chemistry
Molecular modeling
Molecules
Optimization
Receptors
期刊
IF:
5.3
论文数:
9.2K
被引数:
4.0W
机构
引用论文
Artificial intelligence-guided strategies for next-generation biological sequence design.png)
NATIONAL SCIENCE REVIEW
OAAI
NATIONAL SCIENCE REVIEWIF17.1
OAAI分享收藏分享收藏
分享收藏Exploiting machine learning for end-to-end drug discovery and development利用机器学习进行端到端药物发现和开发NATURE MATERIALSOAAI
NATURE MATERIALSIF38.5
OAAI分享收藏ChEMBL: towards direct deposition of bioassay dataChEMBL: 走向生物测定数据的直接沉积NUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏XGBoostProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningOAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏Synthesis and Evaluation of a Series of New Bulleyaconitine A Derivatives as AnalgesicsACS OMEGAOAAI
ACS OMEGAIF4.3
OAAI分享收藏A review of active learning approaches to experimental design for uncovering biological networksplos biologyOAAI
plos biologyIF3.6
OAAI分享收藏
查看更多内容