فهرست نشریات علمی دسترسی آزاد ایران

کشف دارو به شناسایی سریع و معتبر اهداف پروتئینی نیاز دارد. روش‌های خودکار پیشین تنها بر بیشینه‎سازی دقت تمرکز می‌کنند و از زمان پیش‌بینی، پایداری و بازتولیدپذیری تنظیم چشم می‌پوشند. رویکردهای عمیق توالی و گراف نیز پرهزینه و کُند هستند و جست‌وجوی تکاملی در تنظیم ابرپارامترها نوسان بالا دارد. خلأ اصلی نبود بهینه‌سازی هم‌زمان دقت و تأخیر همراه با مسیردهی هوشمند نمونه‌های آسان و دشواری در تنظیم صحیح پارامترهای کنترلی است. بر همین اساس، در این پژوهش یک طبقه‌بند دومرحله‌ای بر پایه روش دسته‎بندی درختی CatBoost با خروج زودهنگام برای موارد با اطمینان بالا و گذر ژرف برای موارد مبهم ارائه می‌شود و تنظیم ابرپارامترها با اَبَرباند بیزی آگاه از زمان پاسخ موسوم به LABO-HB و نیز هدف تک‌معیاری تراز دقت و تأخیر و آستانه‌گذاری داده‌محور انجام می‌گیرد؛ پس از پایش هزینه و مصالحه میان گزینه‌های عمیق و تقویتی به این طرح دومرحله‌ای روی آوردیم، زیرا با حفظ دقت، زمان پاسخ و نوسان عملکردی را کاهش داد. ارزیابی با مجموعه داده‎های ProTar-II متعادل و ProTar-II-Ind دیده نشده و نیز DPI-CDF گردآوری‌شده از DrugBank و Swiss-Prot و با انجام پیش پردازش، استخراج ویژگی مبتنی بر توالی و پیشگیری از نشت و تفکیک منصفانه آموزش-اعتبارسنجی-آزمون انجام شد و تعمیم‌پذیری در هر دو محک داخلی و بیرونی پایدار ماند. روش پیشنهادی به درستی کل 6/96 درصد و نیز F1 معادل 5/96 درصد دست یافت و نیز زمان پیش‌بینی را نسبت به مبنا به‌طور معنادار کاست. پیوند خروج زودهنگام با LABO-HB دقت بالا را با تأخیر کمتر و نوسان اندک همراه کرد و در برابر نامتوازنی، خروجی بازتولیدپذیر را ایجاد کرد. این روش در طراحی دارو مفید است و در عمل اولویت‌بندی چابک اهداف در غربالگری اولیه و تخصیص هوشمند منابع آزمایشگاهی را ممکن می‌سازد.