L16 · 20 دقيقة
دوال التقييم بالتعلّم الآلي
خطر التعلّم على الهياكل لا على الفيزياء.
التعلّم الآليالالتحام
أهداف التعلّم
- وصف دوال التقييم بالتعلم الآلي كنماذج على هيئات وبيانات لا كفيزياء.
- كشف خطر تعلم الهياكل بدل تعلم التفاعل.
- مطالبة بتحقّق على أهداف و decoys مستقلة.
درجة متعلَّمة ليست ΔG
دوال التقييم المعتمدة على التعلم تأخذ هيئة (وغالباً وصفاً محلياً للبروتين-ليغند) وتتنبأ رتبة أو درجة ارتباط. قد تلتقط أنماطاً تفوّت الدوال التجريبية. قد تلتقط أيضاً أن هذا الـ scaffold كان نشطاً في PDB التدريبي. بدون decoys صعبة وأهداف محجوبة، «تحسّن AUC» قد يكون ذاكرة أدبية.
أنماط فشل
- تفضيل ليغندات تشبه تدريب PDB حتى في وضع خاطئ.
- الحساسية لبرتنة وtautomer لأنها تغيّر الرسم البياني أكثر من الفيزياء.
- انهيار على معدن أو cofactor نادر في التدريب.
لماذا؟ — لماذا تبقى العين الكيميائية ضرورية مع دالة ML؟
لأن النموذج قد يكافئ تماسّاً سطحياً يشبه التدريب. العين تسأل: هل hotspot مملوء؟ هل hinge موجود؟ هل السلالة معقولة؟ هذه أسئلة فيزيائية لا يضمنها AUC.
ماذا لو؟ — ماذا لو استبدلت Vina بدالة CNN ثم فسّرت كل فارق درجة كـ affinity؟
أنت الآن تخلط خطأ الشبكة مع طاقة. ما زالت الدرجة ليست ΔG. استخدمها رتبة داخل chemotype متحقَّق، لا كالوري.
تمرين
اقترح تجربة تحكم تُظهر إن كانت دالة ML تتعلم الهيكل لا الوضع.
مواضيع مرتبطة