基于预训练蛋白质嵌入的贝叶斯神经网络提升药物-蛋白质相互作用预测精度
机器学习
2020-12-22 v2
摘要
药物-蛋白质相互作用的表征在药物发现的高通量筛选中至关重要。基于深度学习的方法备受关注,因为它们无需人类试错即可预测药物-蛋白质相互作用。然而,由于数据标注需要大量资源,可用的蛋白质数据规模相对较小,从而降低了模型性能。在此我们提出两种方法构建在小规模标注数据集上表现优越的深度学习框架。首先,我们在编码蛋白质序列时使用预训练模型进行迁移学习,该模型以无监督方式训练通用序列表示。其次,我们使用贝叶斯神经网络,通过估计数据不确定性来构建鲁棒模型。结果,我们的模型在预测药物-蛋白质相互作用方面优于先前的基线。我们还表明,贝叶斯推断量化的不确定性与置信度相关,并可用于筛选 DPI 数据点。
关键词
引用
@article{arxiv.2012.08194,
title = {Bayesian neural network with pretrained protein embedding enhances prediction accuracy of drug-protein interaction},
author = {QHwan Kim and Joon-Hyuk Ko and Sunghoon Kim and Nojun Park and Wonho Jhe},
journal= {arXiv preprint arXiv:2012.08194},
year = {2020}
}