在人工智能领域飞速发展的今天,深度学习技术在各个行业都取得了显著的成果。为了进一步推动深度学习技术在分子3D电子云—活性关系(DECAR)研究领域的应用,由铜仁学院组织,将于2024年7月1日启动举办为期16个月的“第一届分子3D电子云—活性关系深度学习竞赛(DECAR-2024)”。此次竞赛旨在汇聚顶尖科研团队,针对理论和应用化学中关于如何预测分子的活性这一基础和重大问题,共同探讨深度学习技术在分子结构与活性关系研究中的创新应用,为相关领域的科研人员提供一个展示成果、交流思想的平台。
竞赛的主题为“深度学习与分子3D电子云-活性关系建模研究”,旨在通过深度学习技术,基于精确和严格的理论化学数据,探索分子结构与活性关系之间的内在联系,为药物设计、材料科学、化学工程等领域提供新的理论基础和技术支持。此次学术竞赛为线上比赛,分为报名、提交模型、评审和颁奖四个阶段,参赛团队需要提交相关的模型和预测结果,经过专家评审,最终选拔出优秀的团队和模型进行模型发布和颁奖。
此次竞赛的举办,不仅有助于推动深度学习技术在分子3D电子云-活性关系研究领域的应用,还将为铜仁市的科技创新和产业发展注入新的活力。
附:
第一届分子3D电子云—活性关系深度学习竞赛(DECAR-2024)章程
1. 竞赛目标
为了促进分子深度电子云/场-活性关系(Deep electron cloud-activity and field-activity relationships ,DECAR/DFAR)方法的发展和应用,对给出的3D高质量电子云大型数据集,要求开发一个3D深度学习模型,根据分子的电子云数据预测其是否具有抗癌活性(二类问题)。
2. 组织方
铜仁学院
3. 数据集描述和获取
本数据集中的高质量3D电子云数据均由严格的量子化学密度泛函理论(DFT)方法计算产生,通过GAUSSIAN-16W进行分子几何结构优化,计算精度均等于或高于B3LYP/6-311G**水平。训练数据集(参赛者可任意划分验证集)包括了5965个分子(No.00001-05965)的精确3D电子云和二元活性值(活性=1,非活性=0); 预测集共包含4187个分子的精确3D电子云数据(No.06015-10214,其中缺失13个数据)。电子云数据的格式是MATLAB 3D阵列数据(array,文件扩展名为.mat),每个数据大小为500×500×500,也即每个电子云数据包含了125,000,000个数据点。所有电子云数据未作任何额外处理,如归一化、中心化等变换。下图显示了16个分子的3D电子云数据。
图:16个分子的3D电子云数据
数据获取链接1: https://pan.baidu.com/s/18UKMAd7uKAP6c5SzGErITQ 提取码: apd7(百度网盘)
数据获取链接2:https://pan.baidu.com/s/1mTeX5bVQSfvdh2y-BagDkA 提取码: 59ew(百度网盘)
4. 竞赛规则
4.1参赛资格
对学术界、工业界和独立研究者开放。
4.2提交要求
参赛者需提交训练好的模型或代码(如果有的话,含预处理代码,用于重现和评价结果)、训练过程的简单描述、模型结构描述和模型预测结果。限于Python和MATLAB框架。鼓励参赛者使用但不限于3D卷积神经网络模型。参赛者可使用任意必要的数据处理方法,包括但不限于数据扩增、旋转不变、可变输入、学习增强等操作,以提高学习能力、学习速度和预测准确度。
4.3评价标准
对预测集中4187个分子电子云数据活性值的预测准确度(Accuracy)是唯一的评价标准。
5. 竞赛流程
5.1报名方法
通过邮箱报名:chyxl@gztrc.edu.cn 或 boshenglee@163.com。参赛者在邮件中提交参赛基本信息。包括:姓名(或笔名)、单位(非必须)、邮箱。我们会给每一个参赛者分配一个唯一的参赛ID。
5.2报名和比赛开始日期
2024年7月1日。
5.3报名截止日期
2025年8月1日。
5.4模型提交截止日期
2025年10月1日。
5.5结果公布和颁奖
2025年11月1日。
6. 奖励
奖金共计75 000元,取前8名。1—3名分别奖励30000元、18750元和11250元;4—8名为优秀奖,各奖励3000元。为所有获奖者颁发获奖证书。
7. 竞赛评委
唐丽娟博士、教授(湖南大学);
邹鸿雁博士、副教授(西南大学);
徐路博士、教授(铜仁学院);
杨琴博士、副教授(长江大学);
言思敏高级工程师(上海市质量监督检验技术研究院)
8. 知识产权
所有参赛者应允许组织方对其参赛的结果进行(匿名)公布,并允许向学术界发布提交的模型(匿名与否将取决于模型完成人)。在引用完成人的前提下,任何人均可将参赛的模型免费用于学术用途, 其商业应用的权利则归完成人所有。
9. 参考文献
[1]Lu Xu, Qin Yang. Deep electron cloud-activity and field-activity relationships. Journal of Chemometrics, 2023, 37(8): e3503. DOI: 10.1002/cem.3503
[2]Lu Xu, Qin Yang. Artificial intelligence and big data analysis of electron cloud density. Research & Reviews: Journal of Chemistry, 2023, 12: 001. DOI: 10.4172/2319-9849.12.2.001
10. 联系方式
如有任何问题或疑问,请联系chyxl@gztrc.edu.cn 或 boshenglee@163.com。