Descubrimiento de fármacos con pocos datos mediante aprendizaje de un solo disparo

2015, 55, 263-274). Sin embargo, la aplicabilidad de estas técnicas ha sido limitada por la necesidad de grandes cantidades de datos de entrenamiento. En este trabajo, demostramos cómo el aprendizaje de un solo disparo puede usarse para reducir significativamente la cantidad de datos requeridos para hacer predicciones significativas en aplicaciones de descubrimiento de fármacos. Introducimos una nueva arquitectura, la memoria a corto y largo plazo de refinamiento iterativo, que, combinada con redes neuronales convolucionales en gráficos, mejora significativamente el aprendizaje de métricas de distancia significativas sobre pequeñas moléculas. Hacemos de código abierto todos los modelos introducidos en este trabajo como parte de DeepChem, un marco de código abierto para aprendizaje profundo en el descubrimiento de fármacos (Ramsundar, B. deepchem.io. https://github.com/deepchem/deepchem, 2016).