論文の概要: DeepSurf: A surface-based deep learning approach for the prediction of
ligand binding sites on proteins
- arxiv url: http://arxiv.org/abs/2002.05643v2
- Date: Tue, 16 Feb 2021 16:23:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 13:47:56.617201
- Title: DeepSurf: A surface-based deep learning approach for the prediction of
ligand binding sites on proteins
- Title(参考訳): DeepSurf:タンパク質上のリガンド結合部位の予測のための表面ベースディープラーニングアプローチ
- Authors: Stelios K. Mylonas (1), Apostolos Axenopoulos (1), Petros Daras (1)
((1) Information Technologies Institute, Centre for Research and Technology
Hellas, Thessaloniki, Greece)
- Abstract要約: 本稿では,DeepSurfと呼ばれる,潜在的な結合部位の予測のための新しい計算手法を提案する。
DeepSurfは、多くの3Dボキセル化グリッドをタンパク質表面に配置する表面ベースの表現と、最先端のディープラーニングアーキテクチャを組み合わせたものだ。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The knowledge of potentially druggable binding sites on proteins is an
important preliminary step towards the discovery of novel drugs. The
computational prediction of such areas can be boosted by following the recent
major advances in the deep learning field and by exploiting the increasing
availability of proper data. In this paper, a novel computational method for
the prediction of potential binding sites is proposed, called DeepSurf.
DeepSurf combines a surface-based representation, where a number of 3D
voxelized grids are placed on the protein's surface, with state-of-the-art deep
learning architectures. After being trained on the large database of scPDB,
DeepSurf demonstrates superior results on three diverse testing datasets, by
surpassing all its main deep learning-based competitors, while attaining
competitive performance to a set of traditional non-data-driven approaches.
- Abstract(参考訳): タンパク質に対する潜在的薬物性結合部位の知識は、新しい薬物の発見への重要な予備的なステップである。
このような領域の計算予測は、ディープラーニング分野の最近の大きな進歩を追従し、適切なデータの可用性を高めることによって促進することができる。
本稿では,DeepSurfと呼ばれる,潜在的な結合部位の予測のための新しい計算手法を提案する。
DeepSurfは、多くの3Dボキセル化されたグリッドをタンパク質の表面に置く表面ベースの表現と、最先端のディープラーニングアーキテクチャを組み合わせる。
scPDBの大規模なデータベースでトレーニングを受けた後、DeepSurfは、従来の非データ駆動のアプローチに競合するパフォーマンスを達成しながら、主要なディープラーニングベースの競合すべてを追い越して、3つのさまざまなテストデータセットで優れた結果を示す。
関連論文リスト
- Data Augmentations in Deep Weight Spaces [89.45272760013928]
そこで本研究では,Mixup法に基づく新しい拡張手法を提案する。
既存のベンチマークと新しいベンチマークでこれらのテクニックのパフォーマンスを評価する。
論文 参考訳(メタデータ) (2023-11-15T10:43:13Z) - A Systematic Survey in Geometric Deep Learning for Structure-based Drug
Design [63.30166298698985]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
幾何学的深層学習の最近の進歩は、3次元幾何データの統合と処理に焦点をあてて、構造に基づく薬物設計の分野を大いに進歩させてきた。
論文 参考訳(メタデータ) (2023-06-20T14:21:58Z) - Deep networks for system identification: a Survey [56.34005280792013]
システム識別は、入力出力データから動的システムの数学的記述を学習する。
同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。
我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
論文 参考訳(メタデータ) (2023-01-30T12:38:31Z) - HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper
Surfaces [54.77683371400133]
本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。
実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
論文 参考訳(メタデータ) (2022-10-13T16:39:53Z) - E3Bind: An End-to-End Equivariant Network for Protein-Ligand Docking [20.266157559473342]
我々は、リガンドポーズを反復的に更新するエンドツーエンドの同変ネットワークであるE3Bindを提案する。
E3Bindはドッキングにおける幾何学的制約を慎重に考慮し、タンパク質-リガンド相互作用をモデル化する。
標準ベンチマークデータセットの実験は、エンドツーエンドのトレーニング可能なモデルの優れたパフォーマンスを示しています。
論文 参考訳(メタデータ) (2022-10-12T10:25:54Z) - Feature Selection integrated Deep Learning for Ultrahigh Dimensional and
Highly Correlated Feature Space [0.456877715768796]
本稿では,クラスタレベルの予測器のクラスタレベルの発見に深層学習を駆使した新しいスクリーニング・クリーニング手法を提案する。
広範囲のシミュレーションシナリオに対する徹底的な実証実験により,提案手法の有効性が実証された。
論文 参考訳(メタデータ) (2022-09-15T02:58:42Z) - Deep Depth Completion: A Survey [26.09557446012222]
我々は、読者が研究動向をよりよく把握し、現在の進歩を明確に理解するのに役立つ総合的な文献レビューを提供する。
ネットワークアーキテクチャ,損失関数,ベンチマークデータセット,学習戦略の設計面から,関連する研究について検討する。
室内および屋外のデータセットを含む,広く使用されている2つのベンチマークデータセットに対して,モデル性能の定量的比較を行った。
論文 参考訳(メタデータ) (2022-05-11T08:24:00Z) - DeepSSN: a deep convolutional neural network to assess spatial scene
similarity [11.608756441376544]
本稿では,深部空間シーンネットワーク(Deep Space Scene Network,DeepSSN)を提案する。
提案したDeepSSNを用いて,スケッチマップを用いた空間問合せをユーザが入力する空間シーン探索システムを開発した。
提案手法は,データ拡張後の131,300個のラベル付きシーンサンプルを含むマルチソース・コンバウンド・マップデータを用いて検証する。
論文 参考訳(メタデータ) (2022-02-07T23:53:20Z) - A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。
この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。
ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文 参考訳(メタデータ) (2021-05-26T14:37:07Z) - Neural Splines: Fitting 3D Surfaces with Infinitely-Wide Neural Networks [61.07202852469595]
本稿では,無限幅浅部ReLUネットワークから生じるランダムな特徴カーネルをベースとした3次元表面再構成手法であるNeural Splinesを提案する。
提案手法は,最近のニューラルネットワーク技術より優れ,ポアソン表面再構成に広く用いられている。
論文 参考訳(メタデータ) (2020-06-24T14:54:59Z) - DeepGS: Deep Representation Learning of Graphs and Sequences for
Drug-Target Binding Affinity Prediction [8.292330541203647]
本稿では、ディープニューラルネットワークを用いて、アミノ酸やSMILES配列から局所的な化学コンテキストを抽出する、DeepGSと呼ばれる新しいエンドツーエンド学習フレームワークを提案する。
我々は提案手法を,KronRLS,Sim,DeepDTA,DeepCPIといった最先端モデルと比較するための広範な実験を行った。
論文 参考訳(メタデータ) (2020-03-31T01:35:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。