Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/91506
Títol: | Análisis y optimización de un autoencoder variacional semisupervisado para diseño molecular condicionado |
Autoria: | Colmenarejo Sánchez, Gonzalo |
Tutor: | Vegas, Esteban ![]() |
Altres: | Sánchez-Pla, Alex ![]() |
Resum: | S'ha analitzat i optimitzat el recent autoencoder variacional semisupervisado (SSVAE) de Kang i Chao (2018, J. Chem. Inf. Model., Article ASAP DOI: 10.1021 / acs.jcim.8b00263) com a model de Deep Learning de QSAR invers per disseny molecular condicionat. L'objectiu és caracteritzar l'output del model (correcció, diversitat i novetat, distribució de propietats) en funció de diferents factors: mida i diversitat del conjunt d'entrenament, mida de l'output, tipus de conjunt de molècules (drug-like vs productes naturals) , i propietats de condicionament (MWt, logP i QED vs TPSA, MR i LASA). S'ha utilitzat TensorFlow en les simulacions i RDKit i chemfp com llibreries quimioinformàtiques. El model, en la seva manera incondicionat, genera col·leccions de molècules amb alta diversitat (mesura com a molècules úniques, nombre de clústers i nombre de frameworks) i relativament baixa novetat (mesura com a percentatge de molècules sense anàlegs i percentatge de frameworks nous), disminuint la diversitat i augmentant la novetat en el condicionat. La correcció augmenta en la manera condicionat, sent sempre molt alta (> 90%). La diversitat augmenta amb la mida del conjunt d'output, més lentament en les molècules condicionades, i no depèn de la mida del conjunt d'entrenament. La novetat disminueix significativament amb la mida del conjunt d'entrenament, i augmenta amb el del conjunt d'output. La diversitat i novetat augmenten amb la diversitat intensiva del conjunt d'entrenament. A més, s'ha modificat el SSVAE per generar amb èxit tant productes naturals com anàlegs condicionats, via condicionament multiobjectiu, estenent les capacitats originals del SSVAE per a disseny molecular. |
Paraules clau: | aprenentatge profund disseny molecular autoencoder variacional |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | 31-des-2018 |
Llicència de publicació: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ ![]() |
Apareix a les col·leccions: | Trabajos finales de carrera, trabajos de investigación, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
PresentaTFMGonzaloColmenarejoUOC.mp4 | Presentación del TFM | 216,65 MB | MP4 | Veure/Obrir |
gcolmenarejoTFM1218memoria.pdf | Memoria del TFM | 2,23 MB | Adobe PDF | ![]() Veure/Obrir |
Comparteix:


Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons