基于序列、图与3D特征的三模态对比学习框架用于药物靶点相互作用预测
机器学习
2026-05-29 v1
摘要
准确预测药物靶点相互作用（DTI）对于药物发现至关重要。现有方法常依赖单一模态表征（如序列或图结构），或仅组合两种模态，忽视了3D结构特征。为此，我们提出TriMod-DTI，一种三模态对比学习框架，融合药物和蛋白质的1D序列、2D图和3D结构，获取用于DTI预测的通用且互补特征表征。我们设计特征提取器（Feature Extractor）以跨三种模态捕获药物和靶标特征，从而丰富其表征。进一步提出三模态对比学习策略，在潜在空间中对同一药物或蛋白质的不同模态表征进行对齐。通过构建跨模态正负样本对，此方法提升了模型的判别能力。在三个基准数据集上的实验表明，TriMod-DTI超越了最先进的方法。消融研究验证了每种模态的贡献。此外，案例研究突显了其在DTI预测和药物发现中的实际潜力。
引用
@article{arxiv.2605.29926,
title = {A Triple-Modal Contrastive Learning Framework with Sequence, Graph, and 3D Features for Drug-Target Interaction Prediction},
author = {Le Xu and Xi Zhang and Dan Luo and Ting Wang and Xuan Lin},
journal= {arXiv preprint arXiv:2605.29926},
year = {2026}
}
备注
12 pages, 5 figures, ISBRA 2026