Прикладное машинное обучение и глубокое обучение
Предсказание липофильности при помощи молекулярных подструктур и multitask обучения
Липофильность - свойство молекулы, влияющее на ее способность пересекать клеточные мембраны внутри организма. Поэтому предсказание липофильности важно в процессе разработки лекарств.
Липофильность может быть представлена в виде двух числовых величин - logP и logD. LogP описывает липофильность неионизируемых и нейтральных форм ионизированных молекул. Для заряженных молекул липофильность представляется в виде LogD. Поскольку оба эти дескриптора относятся к одному химическому свойству молекулы, можно предсказывать их параллельно.
На данный момент наиболее эффективными подходами для предсказания молекулярных свойств методами глубокого обучения являются графовые нейросети. Несмотря на общий прогресс в этой области, точность предсказания липофильности все еще имеет потенциал к улучшению.
На семинаре будет представлен разработанный метод улучшения state-of-the-art модели предсказания липофильности при помощи выделения молекулярных подструктур. Также будет рассмотрен подход MultiTask обучения для предсказания обоих дескрипторов липофильности.
Докладчик: Алиса Аленичева.
Язык доклада: русский.
Дата и время: 6-е октября, 19:00-20:30.
Место: https://us02web.zoom.us/j/217320533
Видео с предыдущих семинаров доступно по ссылке: http://bit.ly/MLJBSeminars
Для получения рассылки о семинаре (с паролем от Zoom) - пишите Алексею Шпильману на alexey@shpilman.com.