Steps towards de Novo 3D Ligand and Protein Design via Deep Learning

Steps towards de Novo 3D Ligand and Protein Design via Deep Learning

eBook

39,99 €

inkl. gesetzl. MwSt.

Beschreibung

Master's Thesis from the year 2019 in the subject Computer Science - Bioinformatics, grade: 1,3, University of Tubingen (Faculty of Science / Department of Bioinformatics), language: English, abstract: Since 2013 generative neural networks are used for tasks like generating audio or image data. However, there is no publication which uses their capabilities for de novo ligand and or protein design yet. In this work, a generative neural network is introduced - the PG-VUGAN (progressively growing variational U-NET generative adversarial network) with which it is intended to fill this knowledge-gap.

The PG-VUGAN consumes a rich molecular image (RMI) of either the ligand or the pocket and can generate its complementary counterpart. This is practically demonstrated for de novo ligand design in this paper. The RMI is a new image-based format for molecular structures, which is specifically designed for being performantly processed by convolutional neural networks. Its suitability is demonstrated by developing a state-of-the-art binding-affinity regressor. Summing up, a first step towards artificially generated ligands and proteins via generative neural networks was made.

Protein-ligand interactions control cellular processes and are therefore essential for all living beings. Hence, generating complementary ligands for a protein-structure or vice-versa the prediction of complementary protein-structures for ligands is a desirable intent of science. Possible use-cases for de novo ligand and protein design can be found in all fields of biotechnology and reach from drug discovery and individual medicine up to the creation of artificial enzymes.

Designing these molecules from scratch is challenging; and yet, the technology for de novo design is in its early stages. The reason is, that existing tools rely on the assumptions of experts and on mathematical approximations with which their real physical nature can only be simulated partly. Artificial neural networks promise to pass these limitations.

Details

Format

PDF

Kopierschutz

Nein

Family Sharing

Nein

Text-to-Speech

Ja

Erscheinungsdatum

11.11.2020

Beschreibung

Details

Format

PDF

eBooks im PDF-Format haben eine festgelegte Seitengröße und eignen sich daher nur bedingt zum Lesen auf einem tolino eReader oder Smartphone. Für den vollen Lesegenuss empfehlen wir Ihnen bei PDF-eBooks die Verwendung eines Tablets oder Computers.

Kopierschutz

Nein

Dieses eBook können Sie uneingeschränkt auf allen Geräten der tolino Familie, allen sonstigen eReadern und am PC lesen. Das eBook ist nicht kopiergeschützt und kann ein personalisiertes Wasserzeichen enthalten. Weitere Hinweise zum Lesen von eBooks mit einem personalisierten Wasserzeichen finden Sie unter Hilfe/Downloads.

Family Sharing

Nein

Mit Family Sharing können Sie eBooks innerhalb Ihrer Familie (max. sechs Mitglieder im gleichen Haushalt) teilen. Sie entscheiden selbst, welches Buch Sie mit welchem Familienmitglied teilen möchten. Auch das parallele Lesen durch verschiedene Familienmitglieder ist durch Family Sharing möglich. Um eBooks zu teilen oder geteilt zu bekommen, muss jedes Familienmitglied ein Konto bei einem tolino-Buchhändler haben. Weitere Informationen finden Sie unter Hilfe/Family-Sharing.

Text-to-Speech

Ja

Bedeutet Ihnen Stimme mehr als Text? Mit der Funktion text-to-speech können Sie sich im aktuellen tolino webReader das eBook vorlesen lassen. Weitere Informationen finden Sie unter Hilfe/text-to-speech.

Erscheinungsdatum

11.11.2020

Verlag

GRIN

Seitenzahl

167 (Printausgabe)

Dateigröße

14736 KB

Sprache

Englisch

EAN

9783346294548

Das meinen unsere Kund*innen

0.0

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Kund*innenkonto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Erste Bewertung verfassen

Unsere Kund*innen meinen

0.0

0 Bewertungen filtern

Weitere Artikel finden Sie in

Die Leseprobe wird geladen.
  • Steps towards de Novo 3D Ligand and Protein Design via Deep Learning