机构名称：
¥ 3.0
聚ADP-核糖聚合酶1（PARP1）是癌症治疗的有吸引力的治疗靶标。机器学习评分功能构成了发现新型PARP1抑制剂的有前途方法。使用来自对接活性标记的分子的半合成训练数据研究了尖端PARP1特异性的机器学习评分功能：已知的PARP1抑制剂，与生成图神经网络并确认的Intactives consective contp1抑制剂，难以抗解的诱饵。我们仅包括与训练集中的分子不同，进一步使测试集更加困难。使用五种监督学习算法以及从对接姿势和配体中提取的蛋白质指纹对这些数据集的全面分析，只有两个高度预测性的评分功能。使用PARP1特异性支撑矢量的回归剂，使用PLEC指纹时，在最困难的测试集（NEF1％= 0.588，10个重复的中位数）中获得了高归一化富集因子，并且比其他任何研究的评分函数，尤其是类似的尺寸尺寸的尺寸。科学贡献
全面的机器学习增强了基于结构的PARP1抑制剂的虚拟筛查
主要关键词
相关文件推荐
![[语言增强虚拟助手]](/simg/2/2942c223ee3c4a5df36d0c36e5eb42ce69f3a961.webp)
