TY - JOUR T1 - Design of a bioinformatics model to predict drug compound properties and its application in inhibition of HIV replication and BACE-1 TT - طراحی یک مدل بیوانفورماتیکی برای پیش‌‌بینی فعالیت ترکیبات دارویی و کاربرد آن بر مهار تکثیر HIV و ژن BACE-1 JF - gebsj JO - gebsj VL - 9 IS - 2 UR - http://gebsj.ir/article-1-363-fa.html Y1 - 2020 SP - 181 EP - 193 KW - Edge weighted Graph Convolutional Network KW - Molecular bonds KW - Deep learning KW - Transfer learning. N2 - در این مقاله روش جدیدی برای مسئله پیش‌‌بینی خواص ترکیب‌‌های مولکولی در قدم بهینه‏سازی پیشرو در طراحی دارو ارائه می‌‌گردد. تعداد داده‏های برچسب شده در دسترس در قدم بهینه‏سازی پیشرو اندک است. در سال‌‌های اخیر این چالش مورد توجه قرار گرفته است و از تکنیک‌‌های یادگیری انتقالی و یادگیری عمیق برای حل آن استفاده شده است. بدین منظور از مجموعه‌‌داده‌‌های مشابه به عنوان داده‌‌های کمکی برای آموزش یک مدل قابل اعتماد بهره گرفته شده است. در این روش‌‌، استخراج ویژگی از ترکیب‌‌های مولکولی نقش اساسی در انتقال دانش از مجموعه‌‌داده‌‌های مشابه (کمکی) به مجموعه داده‌‌ی اصلی ایفا می‌‌کند. در این مقاله تاثیر استفاده از شبکه‌‌های پیچشی گرافی که علاوه بر در نظر گرفتن ویژگی‌‌های اتم‌‌ها، قادر به در نظر گرفتن ویژگی‌‌های پیوندهای مولکولی می‌‌باشد، سنجیده می‌‌گردد. برای ارزیابی روش، از دو مجموعه داده استاندارد BACE و HIV بهره گرفته شده است. نتایج بیانگر این امر است که روش پیشنهادی قادر به استخراج دانش موثرتری از مجموعه داده‌‌های مشابه برای انتقال به مجموعه‌‌داده‌‌ی هدف بوده است. M3 ER -