机构名称：
¥ 1.0
1) e-Sweet：基于机器学习的甜味剂及其相对甜度预测平台（Zheng 等人）。这项研究的作者设计并提供了一个名为“e-Sweet”的免费机器学习软件平台，可以预测不同分子的相对甜度。他们使用包含许多不同化合物（甜味剂和非甜味剂）结构的数据库来训练一系列机器学习模型（例如支持向量机、随机森林或深度神经网络），这些模型用相对甜度值标记每个测试分子。他们的愿望是利用他们的智能平台的力量，使食品科学家能够发现和开发具有增强甜度的新分子。2）深度神经网络分类器用于虚拟筛选（S）-腺苷-L-蛋氨酸（SAM）依赖性甲基转移酶家族抑制剂（Li等人）。在本研究中，研究小组开发了一个基于深度学习的神经网络模型，根据活性化合物和非活性化合物抑制SAM依赖性甲基转移酶的能力对其进行分类。这些靶标是具有相关表观遗传作用的酶，具有药理学意义，因为它们参与了多种遗传疾病以及癌症的发病机制。为了训练他们的模型，分析了12个独特的靶标（甲基转移酶），使用多达1,740种不同的配体（潜在抑制剂）作为要分类的样本，与之前的研究相比，统计性能有所提高。3）神经网络是预测不饱和聚酯树脂粘度的有效工具（Molina 等人）。在这里，设计和优化了一个神经网络模型，以确定用于合成复合材料的不饱和聚酯树脂的粘度等物理化学性质。粘度与这些材料的性能直接相关，这导致了为该行业开发的精确智能数学算法的内在价值。
社论：化学中的人工智能
主要关键词
相关文件推荐
