論文の概要: HelixADMET: a robust and endpoint extensible ADMET system incorporating self-supervised knowledge transfer

• arxiv url: http://arxiv.org/abs/2205.08055v1
• Date: Tue, 17 May 2022 02:04:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-18 13:10:54.234901
• Title: HelixADMET: a robust and endpoint extensible ADMET system incorporating self-supervised knowledge transfer
• Title（参考訳）: HelixADMET:自己教師型知識伝達を用いた堅牢かつエンドポイント拡張型ADMETシステム
• Authors: Shanzhuo Zhang, Zhiyuan Yan, Yueyang Huang, Lihang Liu, Donglong He, Wei Wang, Xiaomin Fang, Xiaonan Zhang, Fan Wang, Hua Wu, Haifeng Wang
• Abstract要約: ADMETの正確な予測は、薬物発見の初期段階において、望ましくない薬物候補を効率的にスクリーニングすることができる。 我々は、HexADMET(H-ADMET)というロバストでエンドポイントのADMETシステムを開発している。 H-ADMETは自己教師付き学習の概念を取り入れて、堅牢な事前学習モデルを生成する。 以上の結果から,H-ADMETは既存のADMETシステムと比較すると,全体の4%の改善を実現していることがわかった。
• 参考スコア（独自算出の注目度）: 36.67477910562477
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate ADMET (an abbreviation for "absorption, distribution, metabolism, excretion, and toxicity") predictions can efficiently screen out undesirable drug candidates in the early stage of drug discovery. In recent years, multiple comprehensive ADMET systems that adopt advanced machine learning models have been developed, providing services to estimate multiple endpoints. However, those ADMET systems usually suffer from weak extrapolation ability. First, due to the lack of labelled data for each endpoint, typical machine learning models perform frail for the molecules with unobserved scaffolds. Second, most systems only provide fixed built-in endpoints and cannot be customised to satisfy various research requirements. To this end, we develop a robust and endpoint extensible ADMET system, HelixADMET (H-ADMET). H-ADMET incorporates the concept of self-supervised learning to produce a robust pre-trained model. The model is then fine-tuned with a multi-task and multi-stage framework to transfer knowledge between ADMET endpoints, auxiliary tasks, and self-supervised tasks. Our results demonstrate that H-ADMET achieves an overall improvement of 4%, compared with existing ADMET systems on comparable endpoints. Additionally, the pre-trained model provided by H-ADMET can be fine-tuned to generate new and customised ADMET endpoints, meeting various demands of drug research and development requirements.
• Abstract（参考訳）: ADMET (absorption, distribution, metabolism, excretion, and toxicity) の正確な予測は、薬物発見の初期段階において、望ましくない薬物候補を効果的にスクリーニングすることができる。 近年、高度な機械学習モデルを採用する複数の総合的ADMETシステムが開発され、複数のエンドポイントを推定するサービスを提供している。 しかしながら、これらのADMETシステムは通常、弱い外挿能力に悩まされる。 第一に、各エンドポイントにラベル付きデータがないため、典型的な機械学習モデルは、観測されていない足場を持つ分子に対して弱体化を行う。 第二に、ほとんどのシステムは固定された組み込みエンドポイントしか提供せず、様々な研究要件を満たすようにカスタマイズできない。 そこで我々は,HexADMET (H-ADMET) という,堅牢かつエンドポイント拡張可能な ADMET システムを開発した。 H-ADMETは自己教師付き学習の概念を取り入れて、堅牢な事前学習モデルを生成する。 モデルは、ADMETエンドポイント、補助タスク、および自己管理タスク間で知識を伝達するマルチタスクおよびマルチステージフレームワークで微調整される。 以上の結果から,H-ADMETは既存のADMETシステムと比較すると,全体の4%の改善を実現していることがわかった。 さらに、H-ADMETが提供する事前学習モデルは、薬物研究と開発要件の様々な要求を満たす新しいカスタマイズされたADMETエンドポイントを生成するように微調整することができる。

関連論文リスト

• Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
  アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。 我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。 本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• An interpretable generative multimodal neuroimaging-genomics framework for decoding Alzheimer's disease [13.213387075528017]
  アルツハイマー病(英語: Alzheimer's disease、AD)は認知能力の低下が進行する認知症である。 構造的MRIと機能的MRIを利用して,病原性GMと機能的ネットワーク接続の変化を調査した。 本稿では,Cycle GANを用いた生成モジュールを用いたDLに基づく新しい分類手法を提案する。
  論文  参考訳（メタデータ） (2024-06-19T07:31:47Z)
• Incomplete Multimodal Industrial Anomaly Detection via Cross-Modal Distillation [0.0]
  3次元点雲とRGB画像に基づくマルチモーダル産業異常検出(IAD)は現在も進行中である。 既存の品質制御プロセスは、光学および赤外線イメージングのような高速なインライン検査と高解像度だが時間を要するニアラインキャラクタリゼーション技術を組み合わせている。 IADのためのクロスモーダル蒸留フレームワークであるCMDIADを提案する。
  論文  参考訳（メタデータ） (2024-05-22T12:08:56Z)
• Learning Feature Inversion for Multi-class Anomaly Detection under General-purpose COCO-AD Benchmark [101.23684938489413]
  異常検出(AD)は、しばしば産業品質検査や医学的病変検査のための異常の検出に焦点が当てられている。 この研究はまず、COCOをADフィールドに拡張することにより、大規模で汎用的なCOCO-ADデータセットを構築する。 セグメンテーション分野のメトリクスにインスパイアされた我々は、より実用的なしきい値に依存したAD固有のメトリクスをいくつか提案する。
  論文  参考訳（メタデータ） (2024-04-16T17:38:26Z)
• ADGym: Design Choices for Deep Anomaly Detection [41.628035484012834]
  本稿では,DeepメソッドにおけるAD設計要素の包括的評価と自動選択のためのプラットフォームであるADGymを紹介する。 実験の結果,既存の先行手法のみに依存するだけでは不十分であることが判明した。 対照的にADGymを用いて開発されたモデルは、現在の最先端技術を大きく上回っている。
  論文  参考訳（メタデータ） (2023-09-27T03:10:32Z)
• Data-Efficient and Interpretable Tabular Anomaly Detection [54.15249463477813]
  本稿では,ホワイトボックスモデルクラスである一般化付加モデルを適用し,異常を検出する新しいフレームワークを提案する。 さらに、提案フレームワークであるDIADは、ラベル付きデータの少量を組み込んで、半教師付き設定における異常検出性能をさらに向上させることができる。
  論文  参考訳（メタデータ） (2022-03-03T22:02:56Z)
• On Fast Adversarial Robustness Adaptation in Model-Agnostic Meta-Learning [100.14809391594109]
  モデルに依存しないメタラーニング(MAML)は、数発の学習において最も成功したメタラーニング手法の1つである。 メタモデルの一般化力にもかかわらず、マルチショット学習においてMDLがいかに敵対的堅牢性を維持することができるかは明らかではない。 本稿では,ラベルなしデータ拡張,高速な攻撃生成,計算量軽微な微調整を可能にする,汎用的かつ最適化が容易なロバストネス正規化メタラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-20T22:03:04Z)
• A Comprehensive Study on Temporal Modeling for Online Action Detection [50.558313106389335]
  オンライン行動検出(OAD)は実用的だが難しい課題であり、近年注目を集めている。 本稿では,4種類の時間的モデリング手法を含むOADの時間的モデリングに関する総合的研究を提案する。 本稿では,THUMOS-14 と TVSeries に対して,近年の最先端手法よりも大きなマージンを有するハイブリッド時間モデルを提案する。
  論文  参考訳（メタデータ） (2020-01-21T13:12:58Z)

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。