DTIAM：一个用于预测药物-靶标相互作用、结合亲和力及激活/抑制机制的统一框架
生物大分子
2023-12-27 v1 机器学习
摘要
准确且鲁棒的药物-靶标相互作用(DTI)预测在药物发现中起着至关重要的作用。尽管已有大量研究致力于预测新型DTI，但现有方法仍然面临标记数据不足和冷启动问题。更重要的是，目前缺乏专注于阐明药物与靶标之间作用机制(MoA)的研究。区分激活和抑制机制在药物开发中至关重要且具有挑战性。在这里，我们介绍了一个名为DTIAM的统一框架，旨在预测药物与靶标之间的相互作用、结合亲和力以及激活/抑制机制。DTIAM通过自监督预训练从大量无标签数据中学习药物和靶标表示，准确提取药物和靶标的子结构和上下文信息，从而有利于基于这些表示的下游预测。DTIAM在所有任务中均取得了优于其他最先进方法的显著性能提升，特别是在冷启动场景中。此外，独立验证证明了DTIAM强大的泛化能力。所有这些结果表明，DTIAM可以为预测新型DTI并进一步区分候选药物的MoA提供一个实用的工具。DTIAM首次为准确且鲁棒地预测药物-靶标相互作用、结合亲和力及激活/抑制机制提供了一个统一框架。
引用
@article{arxiv.2312.15252,
title = {DTIAM: A unified framework for predicting drug-target interactions, binding affinities and activation/inhibition mechanisms},
author = {Zhangli Lu and Chuqi Lei and Kaili Wang and Libo Qin and Jing Tang and Min Li},
journal= {arXiv preprint arXiv:2312.15252},
year = {2023}
}