学术报告

题      目：基于深度学习和特征融合的化合物毒性预测研究

报  告  人：赵琪  教授  (邀请人：邹为 )

                                    辽宁科技大学

时      间：3月26日  11：00-12：00

地     点：数科院东楼401

报告人简介:

        赵琪，辽宁科技大学计算机与软件工程学院教授，博士生导师，理学博士，厦门大学博士后。美国密歇根州立大学数学系联合培养博士，以色列特拉维夫大学、意大利国际理论物理中心及爱尔兰都柏林大学爱尔兰系统生物学研究所访问学者。研究方向：生物信息学，机器学习，人工智能，计算毒理学，健康医疗大数据等。发表第一或通讯作者SCI检索论文69篇。截至目前论文被引用3541次，h指数32。2020年作为第三完成人获得中国自动化学会自然科学奖二等奖。辽宁省百千万人才工程万人层次，沈阳市拔尖人才，中国计算机学会高级会员。担任十余个SCI期刊的副主编或编委。

摘      要：

        药物毒性是制药行业中一个备受关注的问题，它经常会导致药物在研发过程中的损耗及成本增加。药物毒性可分为许多种，其中药物的致癌性是公众关注度相对较高的一种。我们构建了一个基于胶囊网络和注意力机制的深度学习模型DCAMCP，用于对化合物的致癌性进行分类预测。实验结果表明，我们的模型在癌症风险评估方面取得优异的效果，可以用作药物前期设计的有效工具。人类果蝇相关基因human ether-a-go-go-related gene（hERG）通道被小分子阻断是药物开发过程中的一大问题。我们提出了一种基于分子指纹和图注意力机制的深度学习模型来预测小分子化合物的hERG通道阻断活性，名为DMFGAM。5折交叉验证结果表明，DMFGAM在我们自己构建的数据集上实现了0.894的AUC和0.817的ACC，这比现有的四种主流的计算方法都要好。同时，我们的模型在三个外部验证集上也获得不错的结果，证明了我们方法的可靠性和鲁棒性。

        欢迎老师、同学们参加、交流！