SCOPE-DTI：基于深度学习的药物-靶点相互作用预测中半归纳数据集构建与框架优化以增强实际可用性
机器学习
2025-03-13 v1 人工智能
定量方法
摘要
基于深度学习的药物-靶点相互作用（Drug-Target Interaction, DTI）预测方法已展现出强大的性能；然而，其现实适用性仍受到数据多样性有限和建模复杂性的制约。为了应对这些挑战，我们提出了 SCOPE-DTI，这是一个结合了大规模、平衡的半归纳人类 DTI 数据集与先进深度学习建模的统一框架。SCOPE 数据集由 13 个公共数据库构建而成，与 Human 数据集等常用基准相比，数据量最多扩展了 100 倍。SCOPE 模型集成了三维蛋白质和化合物表示、图神经网络以及双线性注意力机制，以有效捕捉跨域相互作用模式，在各种 DTI 预测任务中显著优于 SOTA 方法。此外，SCOPE-DTI 提供了用户友好的界面和数据库。我们通过实验鉴定人参皂苷 Rh1 的抗癌靶点，进一步验证了其有效性。通过提供全面的数据、先进的建模和易于使用的工具，SCOPE-DTI 加速了药物发现研究。
引用
@article{arxiv.2503.09251,
title = {SCOPE-DTI: Semi-Inductive Dataset Construction and Framework Optimization for Practical Usability Enhancement in Deep Learning-Based Drug Target Interaction Prediction},
author = {Yigang Chen and Xiang Ji and Ziyue Zhang and Yuming Zhou and Yang-Chi-Dung Lin and Hsi-Yuan Huang and Tao Zhang and Yi Lai and Ke Chen and Chang Su and Xingqiao Lin and Zihao Zhu and Yanggyi Zhang and Kangping Wei and Jiehui Fu and Yixian Huang and Shidong Cui and Shih-Chung Yen and Ariel Warshel and Hsien-Da Huang},
journal= {arXiv preprint arXiv:2503.09251},
year = {2025}
}