GRAM-DTI：用于药物-靶点相互作用预测的自适应多模态表示学习
机器学习
2025-11-05 v2
摘要
药物-靶点相互作用（DTI）预测是计算药物发现的基石，能够实现理性设计、重定位和机制洞察。尽管深度学习推动了 DTI 建模的发展，但现有方法主要依赖 SMILES 蛋白质对，未能充分利用小分子和蛋白质可用的丰富多模态信息。我们引入了 GRAMDTI，这是一个将多模态分子和蛋白质输入整合为统一表示的预训练框架。GRAMDTI 将基于体积的对比学习扩展到四种模态，捕捉超越传统成对方法的高阶语义对齐。为了处理模态的信息量，我们提出了自适应模态 dropout，在预训练期间动态调节各模态的贡献。此外，在可用时，IC50 活性测量值被作为弱监督纳入，以将表示建立在具有生物学意义的相互作用强度之上。在四个公开可用数据集上的实验表明，GRAMDTI 始终优于 SOTA 基线。我们的结果突出了高阶多模态对齐、自适应模态利用和辅助监督对于鲁棒且可泛化的 DTI 预测的益处。
引用
@article{arxiv.2509.21971,
title = {GRAM-DTI: adaptive multimodal representation learning for drug target interaction prediction},
author = {Feng Jiang and Amina Mollaysa and Hehuan Ma and Tommaso Mansi and Junzhou Huang and Mangal Prakash and Rui Liao},
journal= {arXiv preprint arXiv:2509.21971},
year = {2025}
}