基于自注意力机制的药物分子表示用于预测药物-靶标相互作用
机器学习
2019-08-20 v1 机器学习
摘要
预测药物-靶标相互作用（DTI）是药物发现过程中必不可少的一部分，该过程在时间和成本上均十分昂贵。因此，降低 DTI 成本可减轻患者的医疗负担。此外，在 DTI 模型中精确学习的分子表示有助于开发个性化医疗，造福众多患者群体。本文提出一种基于自注意力机制的新分子表示，以及使用该校分子表示的 DTI 新模型。实验表明，我们的 DTI 模型在精确率-召回率曲线下面积方面优于最先进模型至多 4.9 个百分点。此外，使用 DrugBank 数据库的研究证明，我们的模型能将靶向特定癌症生物标志物的所有已知药物有效列入前 30 候选列表。
引用
@article{arxiv.1908.06760,
title = {Self-Attention Based Molecule Representation for Predicting Drug-Target Interaction},
author = {Bonggun Shin and Sungsoo Park and Keunsoo Kang and Joyce C. Ho},
journal= {arXiv preprint arXiv:1908.06760},
year = {2019}
}
备注
18 pages, Proceedings of Machine Learning for Healthcare, 2019 (MLHC'19)