药物靶点相互作用预测的跨领域融合策略
生物大分子
2024-05-24 v1 机器学习
摘要
药物靶点相互作用（DTI）预测是药物发现过程中的关键组成部分。在药物开发工程领域，预测新型药物与靶点的相互作用极其重要。尽管现有方法在预测已知药物和靶点方面取得了高准确率，但未能在DTI预测中利用全局蛋白质信息，导致无法有效预测新药与其靶点的相互作用。因此，采用跨领域信息融合策略以获取局部和全局蛋白质信息。我们提出了双通道网络结构的跨场监督学习方法——siamese药物靶点相互作用预测（SiamDTI）。在三个基准数据集上的实验结果表明，SiamDTI在新药和新靶点上准确率高于其他最先进（SOTA）方法。此外，SiamDTI在已知药物和靶点上的性能与SOTA方法相当。代码已公开于 https://anonymous.4open.science/r/DDDTI-434D。
引用
@article{arxiv.2405.14545,
title = {A Cross-Field Fusion Strategy for Drug-Target Interaction Prediction},
author = {Hongzhi Zhang and Xiuwen Gong and Shirui Pan and Jia Wu and Bo Du and Wenbin Hu},
journal= {arXiv preprint arXiv:2405.14545},
year = {2024}
}