通过引入深度学习框架,结合基于注意力机制的转换器、长短期记忆神经网络和图卷积网络,我们的研究旨在提高溶解度预测的准确性,为药物设计和选择提供新的见解和支持,为药物发现中的深度学习发挥重要作用展示了巨大潜力。
通过扩展混合模型和更大数据集的训练,成功改善了口服和静脉给药的药代动力学模型,降低了误差,并提供了其他指标的预测能力。
通过引入深度学习框架,结合基于注意力机制的转换器、长短期记忆神经网络和图卷积网络,我们的研究旨在提高溶解度预测的准确性,为药物设计和选择提供新的见解和支持,为药物发现中的深度学习发挥重要作用展示了巨大潜力。
通过扩展混合模型和更大数据集的训练,成功改善了口服和静脉给药的药代动力学模型,降低了误差,并提供了其他指标的预测能力。