An NLP-based technique to extract meaningful features from drug SMILES

符号 计算机科学 自然语言处理 人工智能 Python(编程语言) 判决 嵌入 程序设计语言 语言学 哲学
作者
Rahul Sharma,Ehsan Saghapour,Jake Y. Chen
出处
期刊:iScience [Cell Press]
卷期号:27 (3): 109127-109127 被引量:1
标识
DOI:10.1016/j.isci.2024.109127
摘要

Summary

NLP is a well-established field in ML for developing language models that capture the sequence of words in a sentence. Similarly, drug molecule structures can also be represented as sequences using the SMILES notation. However, unlike natural language texts, special characters in drug SMILES have specific meanings and cannot be ignored. We introduce a novel NLP-based method that extracts interpretable sequences and essential features from drug SMILES notation using N-grams. Our method compares these features to Morgan fingerprint bit-vectors using UMAP-based embedding, and we validate its effectiveness through two personalized drug screening (PSD) case studies. Our NLP-based features are sparse and, when combined with gene expressions and disease phenotype features, produce better ML models for PSD. This approach provides a new way to analyze drug molecule structures represented as SMILES notation, which can help accelerate drug discovery efforts. We have also made our method accessible through a Python library.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
蒋若风完成签到,获得积分10
刚刚
林夕完成签到,获得积分10
1秒前
一叶扁舟完成签到,获得积分10
1秒前
Azlne完成签到 ,获得积分10
1秒前
ivy完成签到 ,获得积分10
1秒前
Mumu发布了新的文献求助30
2秒前
村长热爱美丽完成签到 ,获得积分10
2秒前
机智采枫完成签到 ,获得积分10
3秒前
苗广山完成签到,获得积分10
3秒前
cxjie320完成签到,获得积分10
3秒前
xxxx完成签到,获得积分10
3秒前
斯文败类应助sheng采纳,获得10
3秒前
Bao完成签到 ,获得积分10
4秒前
黎明完成签到,获得积分20
4秒前
acb完成签到,获得积分10
5秒前
久念发布了新的文献求助10
5秒前
5秒前
shuaiBsen完成签到,获得积分10
7秒前
平常莹芝完成签到,获得积分10
7秒前
7秒前
SYLH应助甜叶菊采纳,获得10
7秒前
k123456应助light采纳,获得10
8秒前
HOXXXiii完成签到,获得积分10
8秒前
楚江南完成签到,获得积分10
9秒前
失眠醉易应助黎明采纳,获得20
9秒前
MQQ完成签到 ,获得积分10
9秒前
蓝色钢琴完成签到,获得积分10
9秒前
犹豫曲奇完成签到 ,获得积分10
9秒前
shim完成签到,获得积分10
10秒前
喜之郎完成签到,获得积分10
10秒前
哦哦哦完成签到 ,获得积分10
10秒前
18746005898完成签到 ,获得积分10
11秒前
taster发布了新的文献求助10
11秒前
单纯的海云完成签到 ,获得积分10
11秒前
风云再起完成签到,获得积分10
11秒前
英俊的铭应助zz采纳,获得10
11秒前
没所谓完成签到,获得积分20
12秒前
小龙完成签到,获得积分10
12秒前
凸迩丝儿完成签到,获得积分10
12秒前
Hello应助快乐仙知采纳,获得10
12秒前
高分求助中
Technologies supporting mass customization of apparel: A pilot project 600
Chinesen in Europa – Europäer in China: Journalisten, Spione, Studenten 500
Arthur Ewert: A Life for the Comintern 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi // Kurt Werner Radtke 500
Two Years in Peking 1965-1966: Book 1: Living and Teaching in Mao's China // Reginald Hunt 500
Epigenetic Drug Discovery 500
Pathology of Laboratory Rodents and Rabbits (5th Edition) 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3816043
求助须知:如何正确求助?哪些是违规求助? 3359559
关于积分的说明 10403403
捐赠科研通 3077404
什么是DOI,文献DOI怎么找? 1690297
邀请新用户注册赠送积分活动 813734
科研通“疑难数据库(出版商)”最低求助积分说明 767781