SwePub
Sök i LIBRIS databas

  Utökad sökning

WFRF:(Johansson Simon 1994)
 

Sökning: WFRF:(Johansson Simon 1994) > A de novo molecular...

A de novo molecular generation method using latent vector based generative adversarial network

Shevtsov, Oleksii, 1988 (författare)
AstraZeneca AB,Chalmers tekniska högskola,Chalmers University of Technology
Johansson, Simon, 1994 (författare)
Chalmers tekniska högskola,Chalmers University of Technology,AstraZeneca AB
Kotsias, Panagiotis Christos (författare)
AstraZeneca AB
visa fler...
Arús-Pous, Josep (författare)
Universität Bern,University of Bern,AstraZeneca AB
Bjerrum, Esben Jannik (författare)
AstraZeneca AB
Engkvist, Ola (författare)
AstraZeneca AB
Chen, Hongming (författare)
AstraZeneca AB,Chinese Academy of Sciences
visa färre...
 (creator_code:org_t)
2019-12-03
2019
Engelska.
Ingår i: Journal of Cheminformatics. - : Springer Science and Business Media LLC. - 1758-2946 .- 1758-2946. ; 11:1
Relaterad länk:
https://research.cha... (primary) (free)
visa fler...
https://jcheminf.bio...
https://research.cha...
https://doi.org/10.1...
visa färre...
  • Tidskriftsartikel (refereegranskat)
Abstract Ämnesord
Stäng  
  • Deep learning methods applied to drug discovery have been used to generate novel structures. In this study, we propose a new deep learning architecture, LatentGAN, which combines an autoencoder and a generative adversarial neural network for de novo molecular design. We applied the method in two scenarios: One to generate random drug-like compounds and another to generate target-biased compounds. Our results show that the method works well in both cases. Sampled compounds from the trained model can largely occupy the same chemical space as the training set and also generate a substantial fraction of novel compounds. Moreover, the drug-likeness score of compounds sampled from LatentGAN is also similar to that of the training set. Lastly, generated compounds differ from those obtained with a Recurrent Neural Network-based generative model approach, indicating that both methods can be used complementarily.[Figure not available: See fulltext.]

Ämnesord

MEDICIN OCH HÄLSOVETENSKAP  -- Medicinska och farmaceutiska grundvetenskaper -- Farmaceutiska vetenskaper (hsv//swe)
MEDICAL AND HEALTH SCIENCES  -- Basic Medicine -- Pharmaceutical Sciences (hsv//eng)
NATURVETENSKAP  -- Data- och informationsvetenskap -- Bioinformatik (hsv//swe)
NATURAL SCIENCES  -- Computer and Information Sciences -- Bioinformatics (hsv//eng)
NATURVETENSKAP  -- Matematik -- Sannolikhetsteori och statistik (hsv//swe)
NATURAL SCIENCES  -- Mathematics -- Probability Theory and Statistics (hsv//eng)

Nyckelord

Generative adversarial networks
Autoencoder networks
Deep learning
Molecular design

Publikations- och innehållstyp

art (ämneskategori)
ref (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy