-
公开(公告)号：CN108399316A
公开(公告)日：2018-08-14
申请号：CN201810173915.0
申请日：2018-03-02
Applicant: 南京邮电大学
IPC: G06F19/00
Abstract: 本发明公开了一种在药物设计中，基于多任务学习的配体分子特征筛选方法及装置。在基于配体的药物分子虚拟筛选中，对于重要的药物靶标，由于发现的配体分子数量很少，很难构建好的虚拟筛选模型。本方法将使用基于LASSO的多任务学习方法，通过任务与任务之间的相关性，利用鲁棒性选择方法得到配体分子相关特征。配体分子的活性通常与少数子结构有关，本方法将快速找到决定主体和配体相互作用活性的关键因素，解决当任务样本量比较少时，模型构造的问题，发现共同的作用因素和各自独特的作用因素，提高模型的鲁棒性，得到与配体活性相关的子结构，进行有效的特征筛选。
Search Results
1
records
(took 0.021 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
