GDGRU-DTA：基于 GNN 与双重 GRU 的药物-靶标结合亲和力预测
定量方法
2022-04-27 v1 人工智能
机器学习
摘要
预测药物与靶标亲和力（DTA）的工作对药物开发与重定位至关重要。本文中，我们提出一种称为 GDGRU-DTA 的新方法来预测药物与靶标间的结合亲和力，该方法基于 GraphDTA，但我们认为蛋白质序列为长序列，因此简单 CNN 无法很好地捕捉蛋白质序列中的上下文依赖。为此，我们将蛋白质序列解释为时间序列，并使用门控循环单元（GRU）与双向门控循环单元（BiGRU）提取其特征以改进之。对于药物，我们的处理方法与 GraphDTA 类似，但使用了两种不同的图卷积方法。随后，将药物与蛋白质的表示拼接用于最终预测。我们在两个基准数据集上评估所提模型。我们的模型优于一些最先进的深度学习方法，结果证明了模型的可行性与优异的特征捕捉能力。
引用
@article{arxiv.2204.11857,
title = {GDGRU-DTA: Predicting Drug-Target Binding Affinity Based on GNN and Double GRU},
author = {Lyu Zhijian and Jiang Shaohua and Liang Yigao and Gao Min},
journal= {arXiv preprint arXiv:2204.11857},
year = {2022}
}
备注
pages:13 conferfece:DMML2022