通过集成异构信息与互注意力网络预测药物-靶点相互作用
定量方法
2024-04-05 v1
摘要
药物-靶点相互作用的识别是药物发现不可或缺的一部分。虽然基于药物和靶点蛋白的化学基因组学特性的传统浅层机器学习和近期深度学习方法将此预测性能的提升推向了新高度，但这些方法仍难以适应新结构。或者，大规模生物和药理学数据为加速药物-靶点相互作用预测提供了新途径。在此，我们提出了 DrugMAN，一种通过将多重异构功能网络与互注意力网络（MAN）集成来预测药物-靶点相互作用的深度学习模型。DrugMAN 使用基于图注意力网络的集成算法，通过分别集成四个药物网络和七个基因/蛋白网络，为药物和靶点蛋白学习网络特异性的低维特征。随后，DrugMAN 通过互注意力网络捕获药物与靶点表征之间的相互作用信息，以改进药物-靶点预测。DrugMAN 在四种不同场景下均取得了最佳预测性能，尤其是在真实世界场景中。DrugMAN 聚焦于异构信息以挖掘药物-靶点相互作用，可成为药物发现和药物重定位的有力工具。
引用
@article{arxiv.2404.03516,
title = {Drug-target interaction prediction by integrating heterogeneous information with mutual attention network},
author = {Yuanyuan Zhang and Yingdong Wang and Chaoyong Wu and Lingmin Zhana and Aoyi Wang and Caiping Cheng and Jinzhong Zhao and Wuxia Zhang and Jianxin Chen and Peng Li},
journal= {arXiv preprint arXiv:2404.03516},
year = {2024}
}