Fugu-MT 論文翻訳(概要): Deep2Lead: A distributed deep learning application for small molecule lead optimization

論文の概要: Deep2Lead: A distributed deep learning application for small molecule lead optimization

arxiv url: http://arxiv.org/abs/2108.05183v1
Date: Mon, 9 Aug 2021 15:12:27 GMT
ステータス: 処理完了
システム内更新日: 2021-08-12 21:48:55.694707
Title: Deep2Lead: A distributed deep learning application for small molecule lead optimization
Title（参考訳）: Deep2Lead: 小分子リード最適化のための分散ディープラーニングアプリケーション
Authors: Tarun Kumar Chawdhury, David J. Grant, Hyun Yong Jin
Abstract要約: 鉛最適化は、強力な選択的化合物を生成するための薬物発見の鍵となるステップである。我々のWebアプリケーションはVAEとDeepPurpose DTIを統合しており、ユーザーは事前のプログラミング経験のないリード最適化タスクを迅速に実行できます。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Lead optimization is a key step in drug discovery to produce potent and selective compounds. Historically, in silico screening and structure-based small molecule designing facilitated the processes. Although the recent application of deep learning to drug discovery piloted the possibility of their in silico application lead optimization steps, the real-world application is lacking due to the tool availability. Here, we developed a single user interface application, called Deep2Lead. Our web-based application integrates VAE and DeepPurpose DTI and allows a user to quickly perform a lead optimization task with no prior programming experience.
Abstract（参考訳）: 鉛最適化は、強力な選択的化合物を生成するための薬物発見の重要なステップである。歴史的に、シリコスクリーニングや構造に基づく小さな分子の設計はプロセスを容易にした。薬物発見へのディープラーニングの最近の応用は、in silicoアプリケーションリード最適化ステップの試行をおこなったが、ツールの可用性のため、現実世界のアプリケーションは不足している。本稿では,Deep2Leadというユーザインタフェースアプリケーションを開発した。我々のWebアプリケーションはVAEとDeepPurpose DTIを統合しており、ユーザーは事前のプログラミング経験のないリード最適化タスクを迅速に実行できます。

関連論文リスト

DrugAssist: A Large Language Model for Molecule Optimization [29.95488215594247]
DrugAssistは、人間と機械の対話を通じて最適化を行う対話型分子最適化モデルである。 DrugAssistは、単一および複数プロパティの最適化において、主要な結果を得た。分子最適化タスクの微調整言語モデルのための,MomoOpt-Instructionsと呼ばれる大規模命令ベースデータセットを公開している。
論文参考訳（メタデータ） (2023-12-28T10:46:56Z)
Can LLMs Configure Software Tools [0.76146285961466]
ソフトウェア工学では、複雑なシステム内での最適なパフォーマンスを確保するためには、ソフトウェアツールの精巧な構成が不可欠である。本研究では,Large-Language Models (LLMs) を利用したソフトウェア構成プロセスの合理化について検討する。本研究は,Chat-GPTなどのLCMを用いて,開始条件を特定し,検索空間を狭め,構成効率を向上する手法を提案する。
論文参考訳（メタデータ） (2023-12-11T05:03:02Z)
Pareto Optimization to Accelerate Multi-Objective Virtual Screening [11.356174411578515]
EGFRおよびIGF1Rの選択的二重阻害剤であると考えられる4M分子の仮想ライブラリーを探索するツールを開発した。このワークフローと関連するオープンソースソフトウェアは、分子設計プロジェクトのスクリーニング負担を軽減することができる。
論文参考訳（メタデータ） (2023-10-16T17:19:46Z)
PLiNIO: A User-Friendly Library of Gradient-based Methods for Complexity-aware DNN Optimization [3.460496851517031]
PLiNIOは、最先端のDNN設計自動化技術を包括的に実装したオープンソースライブラリである。 PLiNIOは、ベースラインアーキテクチャと比較して最大94.34%のメモリ削減を実現し、1%の精度低下を実現している。
論文参考訳（メタデータ） (2023-07-18T07:11:14Z)
M-L2O: Towards Generalizable Learning-to-Optimize by Test-Time Fast Self-Adaptation [145.7321032755538]
L2O(Learning to Optimize)は、複雑なタスクの最適化手順を著しく加速させるため、注目を集めている。本稿では, アウト・オブ・ディストリビューションタスクへの高速なテスト時間自己適応を実現するL2Oをメタトレーニングすることで, このオープンな課題に対する潜在的な解決策を検討する。
論文参考訳（メタデータ） (2023-02-28T19:23:20Z)
Deep Surrogate Docking: Accelerating Automated Drug Discovery with Graph Neural Networks [0.9785311158871759]
本稿では,ディープラーニングに基づくサロゲートモデリングを適用し,ドッキングプロセスを大幅に高速化するフレームワークであるDeep Surrogate Docking(DSD)を紹介する。我々は、DSDワークフローとFiLMv2アーキテクチャを組み合わせることで、分子スクリーニングにおける9.496倍の高速化と3%のリコールエラー率が得られることを示した。
論文参考訳（メタデータ） (2022-11-04T19:36:02Z)
On Joint Learning for Solving Placement and Routing in Chip Design [70.30640973026415]
本稿では,マクロや標準セルの配置に関するDeepPlaceによる共同学習手法を提案する。また,DeepPRと呼ばれるマクロ配置とルーティングの両方を満たすための強化学習による共同学習手法も開発している。本手法は,経験から効果的に学習し,数時間のトレーニングで標準細胞配置の中間配置を提供する。
論文参考訳（メタデータ） (2021-10-30T11:41:49Z)
Learning to Optimize: A Primer and A Benchmark [94.29436694770953]
最適化への学習(L2O)は、機械学習を活用して最適化方法を開発する新しいアプローチです。この記事では、継続的最適化のためのL2Oの総合的な調査とベンチマークを行う。
論文参考訳（メタデータ） (2021-03-23T20:46:20Z)
Physarum Powered Differentiable Linear Programming Layers and Applications [48.77235931652611]
一般線形プログラミング問題に対する効率的かつ微分可能な解法を提案する。本稿では,ビデオセグメンテーションタスクとメタラーニングにおける問題解決手法について述べる。
論文参考訳（メタデータ） (2020-04-30T01:50:37Z)
DeepPurpose: a Deep Learning Library for Drug-Target Interaction Prediction [69.7424023336611]
DeepPurposeは、DTI予測のための包括的で使いやすいディープラーニングライブラリである。 15の複合およびタンパク質エンコーダと50以上のニューラルアーキテクチャを実装することで、カスタマイズされたDTI予測モデルのトレーニングをサポートする。複数のベンチマークデータセット上でDeepPurposeの最先端性能を示す。
論文参考訳（メタデータ） (2020-04-19T17:31:55Z)
PolyScientist: Automatic Loop Transformations Combined with Microkernels for Optimization of Deep Learning Primitives [55.79741270235602]
深層学習カーネル開発のためのハイブリッドソリューションを開発する。我々は、高度な多面体技術を用いて、パフォーマンスのために外部ループを自動的に調整する。
論文参考訳（メタデータ） (2020-02-06T08:02:34Z)

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。