人工智能助力药物研发,免化所蒋华良院士团队开发出可解释性深度神经网络分子表征模型
近日,上海科技大学免疫化学研究所特聘教授蒋华良院士团队在《Journal of Medicinal Chemistry》发表封面文章“Pushingthe Boundaries of Molecular Representation for Drug Discovery with the Graph Attention Mechanism”,介绍了一种基于注意力机制的图神经网络模型(Attentive FP)。该模型可以用于分子表征,在多个药物发现相关的数据集上的预测表现达到当前最优,并且该模型所学到的内容具有可解释性。可解释性人工智能(Explainable AI)是AI的前沿研究方向之一,聚焦于用系统性和可解释的方式呈现人工智能所学习到的复杂逻辑,让人工智能的预测依据更好地被人类理解。人工智能药物设计研究的重点之一也是如何针对性地开发了更符合化学背景、更易于解读的模型。在Attentive FP中,研究人员使用图神经网络处理含有原子和键的分子图结构,并通过引入原子水平和分子水平的注意力机制,使得到的分子图模型兼具推理能力和可解释性。对模型隐藏层神经元进行...
2019-09-16