机构名称：
¥ 1.0
响应对抗生素抗性的日益关注以及抗生素发现中传统方法的局限性，我们引入了一种基于机器学习的方法，名为MFAGCN。这种方法通过将三种类型的分子指纹（MACC，PubChem和ECFP）与分子图表示作为输入特征，以特定于分子官能团的重点来预测分子的抗菌功效。MFAGCN结合了一种注意机制，将不同权重分配给来自不同相邻节点的信息的重要性。在两个公共数据集上使用基线模型的比较实验证明了MFAGCN的出色性能。此外，我们对训练和测试集中的功能组分布进行了分析，以验证模型的预测。此外，还进行了已知抗生素的结构相似性分析，以防止重新发现已建立的抗生素。这种方法使研究人员能够快速筛选具有有效抗菌特性的分子，并促进影响抗菌性能的官能团，从而为进一步的抗生素发育提供了宝贵的见解。
一种用于预测分子抗菌活性的机器学习方法
主要关键词
相关文件推荐
