Bert-DTA:基于混合编码策略的药物靶标亲和力预测  

Bert-DTA:Drug Target Affinity Prediction Based on Hybrid Coding Strategy

作　　者：娄英丹 杨志辉 赵聪 LOU Yingdan;YANG Zhihui;ZHAO Cong

机构地区：[1]运城学院物理与电子工程系,山西运城044000 [2]武汉大学计算机学院人工智能研究院,武汉430072

出　　处：《运城学院学报》2023年第3期17-23,共7页Journal of Yuncheng University

摘　　要：药物靶标亲和力预测是一种筛选药物的新型方法,可以直观地根据蛋白质序列特点筛选候选药物,该方法不仅可以为临床提供指导,而且可以有效节省资源和时间。现代研究利用不同的编码方式对蛋白质或药物序列进行编码,进而提出不同深度学习模型。然而,在生物学上,蛋白质和药物的结合是通过序列中的模体和药物的子序列结合来实现的。为了更精确地模拟这一过程,论文提出了一种可以统一子序列的编码模型——Bert-DTA,旨在提取蛋白质和药物的二级结构特征,使特征更具有生物可解释性,并以此为基础挖掘蛋白质与药物之间的相互作用机理。Bert-DTA以双向Transformer作为骨架,并对蛋白质和药物使用联合编码,挖掘DTA在二级结构层面的相互作用信息。经实验验证,Bert-DTA在药物靶标亲和力预测方面有不错的效果。

关 键 词：药物靶标亲和力 蛋白质编码 Bert 预训练 深度学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]