약물 탐색
약물 발견은 새로운 약물 후보를 식별하고 개발하기 위해 기계 학습 기술을 적용하는 작업입니다. 이 과정의 목표는 계산 모델을 통해 화합물 활성을 예측하고, 약물 설계 과정을 최적화하며, 잠재적인 치료제 발굴의 효율성과 성공률을 높이는 것입니다. 이를 통해 약물 개발 주기를 가속화하고, 연구개발 비용을 절감하며, 의료 분야의 혁신 능력과 치료 수준을 향상시키는 것이 가능해집니다.
QM9
PAMNet
Tox21
elEmBERT-V1
BACE
HIV dataset
GraphConv + dummy super node + focal loss
MUV
GraphConv + dummy super node
ToxCast
BBBP
ProtoW-L2
BindingDB
AttentionSiteDTI
clintox
BiLSTM
DAVIS-DTA
KIBA
SMT-DTA
LIT-PCBA(ALDH1)
LIT-PCBA(KAT2A)
EGT+TGT-At-DP
LIT-PCBA(MAPK1)
SIDER
Ensemble locally constant networks
LIT-PCBA(ESR1_ant)
BindingDB IC50
DeepDTA
PCBA
GraphConv + dummy super node
BACE (β-secretase enzyme)
BBBP (Blood-Brain Barrier Penetration)
DRD2
egfr-inh
Multi-input Neural network with Attention
ESOL (Estimated SOLubility)
FreeSolv (Free Solvation)
Lipophilicity (logd74)
PDBbind
Ensemble locally constant networks
QED
HierG2G
ToxCast (Toxicity Forecaster)
GLAM