DeepConv-DTI：基于蛋白质序列卷积深度学习的药物-靶点相互作用预测
定量方法
2019-09-11 v1 机器学习
摘要
药物-靶点相互作用（DTIs）的识别在药物发现中起着关键作用。体外与体内实验的高成本与劳动密集型特点，凸显了基于计算机（in silico）的 DTI 预测方法的重要性。在若干计算模型中，传统的蛋白质描述符被证明信息量不足以准确预测 DTIs。因此，本研究在原始蛋白质序列上采用卷积神经网络（CNN）来捕获参与 DTIs 的局部残基模式。借助蛋白质序列上的 CNN，我们的模型优于先前基于蛋白质描述符的模型。此外，我们的模型在大规模 DTI 预测上优于先前的深度学习模型。通过考察池化卷积结果，我们发现模型能够检测蛋白质参与 DTIs 的结合位点。总之，我们用于检测靶蛋白局部残基模式的预测模型成功丰富了原始蛋白质序列的蛋白质特征，取得了优于先前方法的预测结果。
引用
@article{arxiv.1811.02114,
title = {DeepConv-DTI: Prediction of drug-target interactions via deep learning with convolution on protein sequences},
author = {Ingoo Lee and Jongsoo Keum and Hojung Nam},
journal= {arXiv preprint arXiv:1811.02114},
year = {2019}
}
备注
26 pages, 7 figures