| 3D卷积神经网络的结构优化及中枢神经系统药物的识别 |
| 张瑞林1,2, 丁彦蕊1,3 |
| 1.江南大学 理学院;2.江南大学 江苏省媒体设计与软件技术重点实验室;3.江南大学 工业生物技术教育部重点实验室 |
|
|
|
摘要：
该文研究了如何利用3D CNN识别中枢神经系统(CNS)药物和nonCNS药物。首先，构建CNS药物和nonCNS药物数据集并优化小分子构象；然后，以3D网格矩阵编码小分子结构,作为3D CNN模型的输入；接着，在模型训练中，采用正交实验法对3DCNN模型的超参数进行快速优化；最后，使用外部测试集检验模型,达到ACC 为84.3％，MCC为0.685，AUC为0.884的泛化性能。实验表明,在正交实验法获取可靠超参数组合的基础上,3D CNN模型对于CNS药物的识别具有良好效果,所构建的模型为设计新的CNS药物提供了基础。
|
| 关键词：
3D 卷积神经网络;药物虚拟筛选;正交实验
|
| 发表年限: 2020年 |
| 发表期号: 第1期 |
|
|
|
