SMILESGNN combineert moleculaire structuren voor voorspelling van giftigheid
SMILESGNN is een multimodale architectuur die tekstuele en grafische representaties van moleculen samenvoegt. Dit moet leiden tot nauwkeurigere en beter te interpreteren voorspellingen over klinische toxiciteit in de vroege fase van medicijnontwikkeling.
Het voorspellen van toxiciteit bij geneesmiddelen is een complexe uitdaging binnen de farmaceutische sector, vaak gecompliceerd door een gebrek aan evenwicht in trainingsdata en de noodzaak om resultaten goed te kunnen interpreteren. Het nieuwe SMILESGNN-systeem pakt dit aan door een tekstgebaseerde encoder te koppelen aan een grafennetwerk.
In de farmaceutische industrie en de bio-informatica wordt volop geëxperimenteerd met kunstmatige intelligentie om het ontdekkingsproces van medicijnen te versnellen. Door verschillende datatypen voor moleculaire structuren te combineren, proberen onderzoekers betrouwbaardere en inzichtelijkere voorspellingen te doen over mogelijke bijwerkingen in een vroeg stadium.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.LG). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel