探索深度学习的应用进展和近年发展状况

高通量筛选（HTS）是一种理想的数据收集方法，通过设计高通量芯片来测试数百至数千种化合物的性质。这些性质可以是细胞或生物化学表型。现有的化合物编码方法主要描述了分子的物化和拓扑性质。利用线性回归模型、贝叶斯神经网络、随机森林、偏最小二乘和支持向量机等机器学习方法，可以构建数学模型进行化合物预测。然而，在面对复杂的分子性质预测时，传统机器学习算法的表现还不够理想。相比之下，基于深层网络架构的深度学习算法在化学信息学研究中展示了出色的能力。本文将介绍深度学习的基础背景和最新发展，以及深度学习框架在QSAR研究中的应用实例，并与传统机器学习模型进行比较。