SMILESGNN voorspelt klinische toxiciteit van geneesmiddelen met AI
Wetenschappers hebben een multimodale architectuur genaamd SMILESGNN ontwikkeld voor het voorspellen van klinische toxiciteit in de vroege fase van medicijnontwikkeling. Het systeem combineert sequenties en grafen om tot beter interpreteerbare voorspellingen te komen.
Het voorspellen van toxiciteit bij geneesmiddelen is een uitdagend onderdeel van het ontdekken van nieuwe medicijnen, onder meer door onevenwichtige datasets en de eis dat voorspellingen goed te begrijpen moeten zijn. Bestaande methoden gebruiken vaak slechts één enkele gegevensbron, zoals moleculaire reeksen of graaf-neurale netwerken.
De nieuwe benadering, SMILESGNN, brengt deze verschillende werelden samen door een transformator voor reeksen te koppelen aan een graaf-encoder. Dit moet helpen om de structuur van moleculen beter te doorgronden en tegelijkertijd inzichtelijk te maken waarop de voorspellingen zijn gebaseerd, wat in de farmaceutische sector van groot belang is.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.LG). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel