LLM$^3$-DTI：基于大语言模型和多模态数据的药物-靶点相互作用预测框架
机器学习
2025-11-11 v1 定量方法
摘要
药物-靶点相互作用（DTI）预测在药物发现和药物再定位中具有重要意义。随着大量有价值的医药数据积累，数据驱动方法日益受到青睐，以降低各维度的成本。因此，本文提出了由大语言模型和多模态数据共同驱动的药物-靶点相互作用预测框架，命名为LLM-DTI。LLM-DTI构建多模态数据嵌入以提升DTI预测性能。在该框架中，药物和靶点的文本语义嵌入由领域特定的大语言模型编码。为有效对齐和融合多模态嵌入，我们提出了双交叉注意力机制和TSFusion模块。最后，这些多模态数据通过输出网络用于DTI任务。实验结果表明，LLM-DTI能够有效识别已验证的DTI，在各种比较场景下均优于其他模型。因此，LLM-DTI在完成DTI预测任务方面表现卓越。数据和代码已公开于https://github.com/chaser-gua/LLM3DTI。
引用
@article{arxiv.2511.06269,
title = {LLM$^3$-DTI: A Large Language Model and Multi-modal data co-powered framework for Drug-Target Interaction prediction},
author = {Yuhao Zhang and Qinghong Guo and Qixian Chen and Liuwei Zhang and Hongyan Cui and Xiyi Chen},
journal= {arXiv preprint arXiv:2511.06269},
year = {2025}
}