深层电子云活性与场活性关系
摘要：开发一种新的定量构效关系（QSAR）方法，可以预测不同结构分子的各种性质。这种方法基于大量的拥有活性数据的分子实体作为训练对象和响应，以及通过精确密度泛函理论方法得到的三维电子云密度（ECD）或相关场数据作为输入描述符，利用强大的深度学习模型来学习以上大数据。通过与传统描述符的传统最小二乘支持向量机（LS-SVM）模型进行对比，DECAR和DFAR可以区分977个甜味分子和1965个非甜味分子，并且分类性能明显优于传统模型。DECAR和DFAR有望建立一个广泛适用、累积、可共享的人工智能驱动的QSAR系统，并推动建立一个互动平台来收集和分享数百万分子的精确ECD和场数据以及其相关活性注释。在有足够的输入数据的情况下，将出现针对各种分子活性训练的多个深度网络。最终，我们可以期待一个单一的DECAR或DFAR网络来学习和推断化学分子的各种感兴趣的性质。
作者：Lu Xu and Qin Yang
论文ID：2305.17958
分类：Chemical Physics
分类简称：physics.chem-ph
提交时间：2023-05-30