艾滋病是對(duì)人類危害最大的疾病之一,由感染HIV引起�，F(xiàn)階段在全球范圍內(nèi)仍然缺乏有效治愈艾滋病的方法,抗HIV藥物是防治艾滋病最有效的手段之一。HIV具有耐藥性,因此需要不斷發(fā)現(xiàn)新的抗HIV活性分子,以研制更多的抗HIV藥物。本文對(duì)現(xiàn)有的新型藥物設(shè)計(jì)方法進(jìn)行改進(jìn),并采用兩種不同的方法生成潛在抗HIV活性分子,以擴(kuò)增潛在抗HIV活性分子庫。本文為發(fā)現(xiàn)新的抗HIV活性分子提供了新思路,主要?jiǎng)?chuàng)新及工作內(nèi)容包含以下幾個(gè)方面:（1）搭建深度分子生成模型DGMM,旨在生成結(jié)構(gòu)有效、新穎且性質(zhì)無偏的分子。DGMM基于MLSTM、SRU、QRNN三種循環(huán)單元進(jìn)行構(gòu)造,采用源自ChEMBL的大型分子數(shù)據(jù)集進(jìn)行訓(xùn)練。經(jīng)過訓(xùn)練,基于MLSTM搭建的DGMM取得最優(yōu)效果,其生成分子的平均有效性為98.31%,唯一性為99.93%,新穎性為89.33%,綜合優(yōu)于現(xiàn)有的化學(xué)語言模型。隨后將最優(yōu)DGMM生成的分子與訓(xùn)練集分子進(jìn)行性質(zhì)對(duì)比,實(shí)驗(yàn)結(jié)果表明DGMM生成的分子能夠還原訓(xùn)練集分子的性質(zhì)分布,驗(yàn)證了DGMM生成分子的性質(zhì)無偏性。（2）搭建深度遷移分子生成模型T-DGMM,旨在生成潛在抗HIV活性分子,擴(kuò)增潛在抗H... 

【文章來源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：87 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Sigmoid函數(shù)及其導(dǎo)數(shù)圖像

蘭州大學(xué)碩士學(xué)位論文基于深度學(xué)習(xí)的潛在抗HIV活性分子生成新方法研究14()=+(2-2)tanh函數(shù)將輸入映射為-1到1之間的輸出，若輸入為很大的正數(shù)，則輸出為1；若輸入為絕對(duì)值很大的負(fù)數(shù)，則輸出為0。tanh函數(shù)和導(dǎo)數(shù)圖像如圖2-4所示。圖2-4tanh函數(shù)及其導(dǎo)數(shù)圖像tanh函數(shù)的輸出是零中心的，在實(shí)際應(yīng)用中效果比Sigmoid函數(shù)要好一些，并且收斂速度稍快；然而tanh函數(shù)也沒有解決梯度消失問題；tanh函數(shù)可以在RNN單元內(nèi)部作為門控使用。（3）Relu函數(shù)Relu函數(shù)在近年來廣受歡迎，其定義如式（2-3）所示：()=max(0,)(2-3)Relu本質(zhì)上是一個(gè)取最大值函數(shù)，其并不是全區(qū)間可導(dǎo)，但可以用次梯度（sub-gradient）方法進(jìn)行解決。其函數(shù)和導(dǎo)數(shù)圖像如圖2-5所示。圖2-5Relu函數(shù)及其導(dǎo)數(shù)圖像Relu函數(shù)可以解決梯度消失問題，在正區(qū)間內(nèi)神經(jīng)元不會(huì)飽和；并且Relu非指數(shù)計(jì)算，在前向傳播與反向傳播中計(jì)算速度比Sigmoid和tanh快得多。但Relu函數(shù)同樣不是零中心，并且學(xué)習(xí)率設(shè)置不當(dāng)有可能會(huì)導(dǎo)致神經(jīng)元死亡的情況，即權(quán)重?zé)o法更新。

蘭州大學(xué)碩士學(xué)位論文基于深度學(xué)習(xí)的潛在抗HIV活性分子生成新方法研究14()=+(2-2)tanh函數(shù)將輸入映射為-1到1之間的輸出，若輸入為很大的正數(shù)，則輸出為1；若輸入為絕對(duì)值很大的負(fù)數(shù)，則輸出為0。tanh函數(shù)和導(dǎo)數(shù)圖像如圖2-4所示。圖2-4tanh函數(shù)及其導(dǎo)數(shù)圖像tanh函數(shù)的輸出是零中心的，在實(shí)際應(yīng)用中效果比Sigmoid函數(shù)要好一些，并且收斂速度稍快；然而tanh函數(shù)也沒有解決梯度消失問題；tanh函數(shù)可以在RNN單元內(nèi)部作為門控使用。（3）Relu函數(shù)Relu函數(shù)在近年來廣受歡迎，其定義如式（2-3）所示：()=max(0,)(2-3)Relu本質(zhì)上是一個(gè)取最大值函數(shù)，其并不是全區(qū)間可導(dǎo)，但可以用次梯度（sub-gradient）方法進(jìn)行解決。其函數(shù)和導(dǎo)數(shù)圖像如圖2-5所示。圖2-5Relu函數(shù)及其導(dǎo)數(shù)圖像Relu函數(shù)可以解決梯度消失問題，在正區(qū)間內(nèi)神經(jīng)元不會(huì)飽和；并且Relu非指數(shù)計(jì)算，在前向傳播與反向傳播中計(jì)算速度比Sigmoid和tanh快得多。但Relu函數(shù)同樣不是零中心，并且學(xué)習(xí)率設(shè)置不當(dāng)有可能會(huì)導(dǎo)致神經(jīng)元死亡的情況，即權(quán)重?zé)o法更新。


本文編號(hào)：2954733