清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

ACGCN: Graph Convolutional Networks for Activity Cliff Prediction between Matched Molecular Pairs

悬崖 计算机科学 图形 药物发现 虚拟筛选 计算生物学 人工智能 机器学习 理论计算机科学 生物信息学 生物 古生物学
作者
Junhui Park,Gaeun Sung,SeungHyun Lee,Seung‐Ho Kang,Chunkyun Park
出处
期刊:Journal of Chemical Information and Modeling [American Chemical Society]
卷期号:62 (10): 2341-2351 被引量:35
标识
DOI:10.1021/acs.jcim.2c00327
摘要

One of the interesting issues in drug-target interaction studies is the activity cliff (AC), which is usually defined as structurally similar compounds with large differences in activity toward a common target. The AC is of great interest in medicinal chemistry as it may provide clues to understanding the complex properties of the target proteins, paving the way for practical applications aimed at the discovery of more potent drugs. In this paper, we propose graph convolutional networks for the prediction of AC and designate the proposed models as Activity Cliff prediction using Graph Convolutional Networks (ACGCNs). The results show that ACGCNs outperform several off-the-shelf methods when predicting ACs of three popular target data sets for thrombin, Mu opioid receptor, and melanocortin receptor. Finally, we utilize gradient-weighted class activation mapping to visualize activation weights at nodes in the molecular graphs, demonstrating its potential to contribute to the ability to identify important substructures for molecular docking.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
七月不远发布了新的文献求助10
4秒前
7秒前
Windsyang完成签到,获得积分10
8秒前
Tonald Yang发布了新的文献求助10
8秒前
宇文雨文完成签到 ,获得积分10
10秒前
hyman发布了新的文献求助10
10秒前
伶俐小懒猪完成签到,获得积分10
18秒前
莱特沐恩完成签到 ,获得积分10
24秒前
欢喜的晓槐完成签到,获得积分10
26秒前
超帅的甜瓜完成签到,获得积分10
27秒前
如我所愿完成签到 ,获得积分10
27秒前
科研通AI6.2的应助被七月不远采纳,获得10
28秒前
老北京完成签到,获得积分10
28秒前
Dipsy123完成签到,获得积分10
28秒前
Bruce完成签到,获得积分10
32秒前
hooqueen完成签到 ,获得积分10
50秒前
50秒前
NattyPoe发布了新的文献求助100
51秒前
极限001的应助被wj采纳,获得300
56秒前
调皮雅柔完成签到,获得积分10
1分钟前
奋斗的妙海完成签到 ,获得积分0
1分钟前
metoo完成签到,获得积分10
1分钟前
懵懂的小之完成签到,获得积分10
1分钟前
Skyt完成签到 ,获得积分10
1分钟前
体贴的惜文完成签到,获得积分10
1分钟前
Ma完成签到 ,获得积分10
1分钟前
1分钟前
邹馥罄完成签到 ,获得积分10
1分钟前
852的应助被欧皇采纳,获得10
1分钟前
悦耳向松完成签到,获得积分10
2分钟前
柔弱如之完成签到,获得积分10
2分钟前
小新完成签到 ,获得积分10
2分钟前
Yuyu完成签到 ,获得积分10
2分钟前
annie完成签到,获得积分10
2分钟前
2分钟前
jcksonzhj完成签到,获得积分10
2分钟前
矮小的幻儿完成签到 ,获得积分10
2分钟前
欣喜的香菱完成签到 ,获得积分10
2分钟前
耍酷的手套完成签到,获得积分10
2分钟前
Tonald Yang完成签到,获得积分20
2分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1500
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8159064
求助须知:如何正确求助?哪些是违规求助? 9554564
关于积分的说明 21719582
捐赠科研通 7748676
什么是DOI,文献DOI怎么找? 3427139
关于科研通互助平台的介绍 2552040
邀请新用户注册赠送积分活动 2471404