ترجمه فارسی مقاله SMILES-Mamba: مدل‌های بنیاد Chemical Mamba برای پیش‌بینی ADMET دارو

چکیده

In drug discovery, predicting the absorption, distribution, metabolism, excretion, and toxicity (ADMET) properties of small-molecule drugs is critical for ensuring safety and efficacy. However, the process of accurately predicting these properties is often resource-intensive and requires extensive experimental data. To address this challenge, we propose SMILES-Mamba, a two-stage model that leverages both unlabeled and labeled data through a combination of self-supervised pretraining and fine-tuning strategies. The model first pre-trains on a large corpus of unlabeled SMILES strings to capture the underlying chemical structure and relationships, before being fine-tuned on smaller, labeled datasets specific to ADMET tasks. Our results demonstrate that SMILES-Mamba exhibits competitive performance across 22 ADMET datasets, achieving the highest score in 14 tasks, highlighting the potential of self-supervised learning in improving molecular property prediction. This approach not only enhances prediction accuracy but also reduces the dependence on large, labeled datasets, offering a promising direction for future research in drug discovery.

چکیده به فارسی (ترجمه ماشینی)

در کشف مواد مخدر ، پیش بینی خصوصیات جذب ، توزیع ، متابولیسم ، دفع و سمیت (ADMET) داروهای مولکول کوچک برای اطمینان از ایمنی و اثربخشی بسیار مهم است.با این حال ، فرآیند پیش بینی دقیق این خصوصیات اغلب فشرده منابع است و به داده های تجربی گسترده ای نیاز دارد.برای پرداختن به این چالش ، ما Smiles-Mamba را پیشنهاد می کنیم ، یک مدل دو مرحله ای که از طریق ترکیبی از استراتژی های پیش بینی و تنظیم دقیق خود از داده های بدون برچسب و برچسب استفاده می کند.مدل اول پیش از ردیابی در قسمت بزرگی از رشته های لبخندهای بدون برچسب برای ضبط ساختار و روابط شیمیایی اساسی ، قبل از اینکه در مجموعه داده های کوچکتر و دارای برچسب خاص برای کارهای ADMET تنظیم شود.نتایج ما نشان می دهد که SMILES-MAMBA عملکرد رقابتی را در 22 مجموعه داده ADMET نشان می دهد ، و به بالاترین امتیاز در 14 کار می رسد و پتانسیل یادگیری خودکاره را در بهبود پیش بینی خاصیت مولکولی برجسته می کند.این رویکرد نه تنها دقت پیش بینی را افزایش می دهد بلکه وابستگی به مجموعه داده های بزرگ و دارای برچسب را کاهش می دهد و یک جهت امیدوارکننده برای تحقیقات آینده در کشف مواد مخدر ارائه می دهد.