Molecular recognition of protein-ligand complexes via convolutional neural networks

Abstract

As a sub-discipline of Artificial Intelligence, deep neural networks have received enormous interest in research and industrial applications over the last decades owing to their highly successful performance in addressing and solving broad areas of problems. Hence, especially hitherto achievements in computer-aided drug design brought an extra impetus with the novel deep learning approaches in structure-based drug design etiology. Our group offers a novel convolutional neural network model, deepMLR, that casts insight into the molecular recognition of ligand molecules and a receptor protein molecule. Having compared our model and a few other existing models with a case study of a traditional approach, herein, we present the success story of a deep learning model straight.

Yapay Zeka'nın bir alt disiplini olarak derin sinir ağları, geniş spektrumdaki problem alanlarını ele alma ve çözmedeki son derece başarılı performansları nedeniyle, son on yılda (özellikle) araştırma ve endüstriyel uygulamalarda büyük bir ilgi görmeye başladı. Özellikle son zamanlardaki, bilgisayar destekli ilaç tasarımındaki başarıları nedeniyle, yapı tabanlı ilaç tasarımı etiyolojislerindeki yeni derin öğrenme yaklaşımlarına karşı ekstra bir ivme kazanmıştır. Grubumuz, ligand moleküllerinin ve bir reseptör protein molekülünün moleküler olarak tanınması hakkında bir fikir veren yeni bir konvolüsyonel sinir ağı modeli sunmaktadır. Diğer mevcut modellerle ve modelimizle geleneksel bir yaklaşımın örnek çalışmasıyla karşılaştırıldığında, burada derin bir öğrenme modelinin başarı hikayesini sunuyoruz.