几何深度学习药物发现

药物发现是一个非常漫长和昂贵的过程,平均需要10年以上,花费25亿美元来开发一种新药。人工智能有可能通过从大量生物医学数据中提取证据,显著加快药物发现的进程,从而彻底改变整个制药行业。特别是,图表示学习和几何深度学习——机器学习和数据挖掘社区中一个快速增长的主题,专注于图结构和3D数据的深度学习——已经看到了药物发现的巨大机遇,因为该领域的许多数据都表示为图形或3D结构(如分子,蛋白质,生物医学知识图谱)。在这次演讲中,我将介绍我们在药物发现几何深度学习方面的最新进展,以及一个新发布的用于药物发现的开源机器学习平台——TorchDrug。

成为VIP会员查看完整内容
60

相关内容

【NAACL2021】Graph4NLP:图深度学习自然语言处理,附239页ppt
专知会员服务
105+阅读 · 2021年6月12日
最新「图机器学习药物发现」综述论文,22页pdf245篇文献
图表示学习在药物发现中的应用,48页ppt
专知会员服务
98+阅读 · 2021年4月30日
人工智能药物发现,讲述AI与药物交叉应用研究
专知会员服务
155+阅读 · 2021年1月28日
《图表示学习》报告,McGill助理教授Hamilton讲授,79页ppt
可对药物分子进行表征的几何深度学习
机器之心
0+阅读 · 2022年2月6日
图表示学习在药物发现中的应用,48页ppt
专知
1+阅读 · 2021年4月30日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
4+阅读 · 2010年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
15+阅读 · 2020年2月5日
Heterogeneous Deep Graph Infomax
Arxiv
12+阅读 · 2019年11月19日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
4+阅读 · 2010年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
15+阅读 · 2020年2月5日
Heterogeneous Deep Graph Infomax
Arxiv
12+阅读 · 2019年11月19日
微信扫码咨询专知VIP会员