基于人类认知模式的归纳-关联元学习管道用于未见药物-靶点相互作用预测
机器学习
2025-03-28 v2 人工智能
生物大分子
摘要
显著的蛋白质结构差异阻碍了现有药物-靶点相互作用（DTI）模型的泛化能力，这些模型通常严重依赖预先学习的结合原则或详细注释。相反，BioBridge设计了一个受科学家工作流程启发的归纳-关联管道，这些科学家会基于从与药物-靶点对 weakly related references（弱相关参考）中获取的见解来累积其经验。BioBridge利用有限的序列数据，结合对抗训练的多级编码器，以积累可迁移的结合原则。基于这些原则，BioBridge采用动态原型元学习框架来关联来自弱相关注释的见解，实现对以前未见过的药物-靶点对的稳健预测。广泛的实验表明，BioBridge超越了现有模型，尤其是在未见的蛋白质方面。值得注意的是，在仅有同源蛋白结合数据的情况下，BioBridge证明有效，用于表皮生长因子受体和腺苷受体的虚拟筛选，凸显了其在药物发现中的潜力。
引用
@article{arxiv.2501.16391,
title = {Inductive-Associative Meta-learning Pipeline with Human Cognitive Patterns for Unseen Drug-Target Interaction Prediction},
author = {Xiaoqing Lian and Jie Zhu and Tianxu Lv and Shiyun Nie and Hang Fan and Guosheng Wu and Yunjun Ge and Lihua Li and Xiangxiang Zeng and Xiang Pan},
journal= {arXiv preprint arXiv:2501.16391},
year = {2025}
}