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
- Intrusion Detection System with Machine Learning and Multiple Datasets [0.0]
本稿では,機械学習(ML)を利用した拡張侵入検知システム(IDS)について検討する。
最終的に、この改良されたシステムは、非倫理的なハッカーによる攻撃に対抗するために使用できる。
論文 参考訳(メタデータ) (2023-12-04T14:58:19Z) - 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) - Architecture, Dataset and Model-Scale Agnostic Data-free Meta-Learning [119.70303730341938]
データフリーメタトレーニングにおけるePisode cUrriculum inversion(ECI)と、内部ループ後のinvErsion calibRation(ICFIL)を提案する。
ECIは、メタモデルのリアルタイムフィードバックに応じて、擬似エピソードの難易度を適応的に増加させる。
本稿では,ECIを用いたメタトレーニングの最適化過程を,エンド・ツー・エンド方式で近似形式として定式化する。
論文 参考訳(メタデータ) (2023-03-20T15:10:41Z) - Unsupervised Pathology Detection: A Deep Dive Into the State of the Art [6.667150890634173]
複数の医療データセット上で,最先端の非教師付き異常検出法 (UAD) の選択について検討した。
本実験は, 産業・医療文献から新たに開発された特徴モデリング手法により, 性能が向上することが実証された。
これらの手法は,最近開発された自己教師付き事前学習アルゴリズムの恩恵を受けることができることを示す。
論文 参考訳(メタデータ) (2023-03-01T16:03:25Z) - 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) - Learning to Generalize Unseen Domains via Memory-based Multi-Source
Meta-Learning for Person Re-Identification [59.326456778057384]
本稿では,メモリベースのマルチソースメタラーニングフレームワークを提案する。
また,メタテスト機能を多様化するメタバッチ正規化層(MetaBN)を提案する。
実験により、M$3$Lは、目に見えない領域に対するモデルの一般化能力を効果的に向上できることが示された。
論文 参考訳(メタデータ) (2020-12-01T11:38:16Z) - 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。