تقدم ورقة البحث إطار تعلم متعدد المهام يهدف إلى تعزيز اكتشاف الأدوية من خلال التنبؤ في وقت واحد بمدى ارتباط الأدوية بالأهداف وتوليد أنواع جديدة من الأدوية المدركة للأهداف. لقد ركزت الأساليب التقليدية في التعلم الآلي في هذا المجال بشكل كبير على المهام الفردية، إما من خلال التنبؤ بتفاعلات الأدوية مع الأهداف (DTI) أو توليد…

قسم “الطرق” في ورقة البحث يحدد تصميم التجربة والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. يوضح معايير اختيار المشاركين، والإجراءات المحددة المتبعة خلال جمع البيانات، والأدوات المستخدمة للقياس. يتم وصف التحليلات الإحصائية، بما في ذلك نماذج الانحدار واختبار الفرضيات، لتقييم العلاقات بين المتغيرات ولتحقيق نتائج موثوقة. بالإضافة إلى ذلك، قد يتضمن القسم معلومات عن أي…

قسم “الطرق” في ورقة البحث يحدد تصميم التجربة والتقنيات التحليلية المستخدمة للتحقيق في فرضية البحث. استخدمت الدراسة نهجًا كميًا، يتضمن تحليلات إحصائية لتقييم البيانات المجمعة من المشاركين. تضمنت المنهجيات المحددة تجارب محكومة، واستطلاعات، أو محاكاة، اعتمادًا على سياق البحث. تم جمع البيانات باستخدام أدوات موحدة لضمان الموثوقية والصلاحية، مع تطبيق تقنيات أخذ عينات مناسبة لتحقيق…

تسلط الأبحاث الضوء على أهمية التنبؤ بدقة بمعلمات الحركية الإنزيمية لاستكشاف الإنزيمات وتعديلها، مع معالجة القيود التي تعاني منها النماذج الحالية التي غالبًا ما تعاني من انخفاض الدقة أو الإفراط في التخصيص. يقدم المؤلفون نموذج تعلم عميق جديد، CataPro، الذي يستخدم نماذج مدربة مسبقًا وبصمات جزيئية للتنبؤ بالمعلمات الرئيسية مثل عدد الدوران ($k_{cat}$)، وثابت ميكاليز…

يتكون إطار عمل DTIAM من ثلاثة مكونات رئيسية: تعلم تمثيل الجزيئات ذاتية الإشراف، تعلم تمثيل البروتينات غير المراقب، ودمج التمثيل لمهام استنتاج الأدوية والأهداف عبر التعلم الآلي الآلي (AutoML). يستخدم تعلم تمثيل الجزيئات ذاتية الإشراف نهجًا على غرار BERT من خلال نموذج يسمى BERMol، الذي يتعلم تمثيلات متجهية للتركيبات الجزيئية من بيانات غير مصنفة على…