基于深度学习的药物-靶标结合亲和力预测模型  

Drug-target Affinity Prediction Model Based on Deep Learning

作　　者：张茹 吴逸嘉 姚茹 ZHANG Ru;WU Yijia;YAO Ru(Nanning Normal University,Nanning Guangxi 530100,China;Wenzhou Medical University,Wenzhou Zhejiang 325000,China)

机构地区：[1]南宁师范大学,广西南宁530100 [2]温州医科大学,浙江温州325000

出　　处：《信息与电脑》2023年第23期80-82,87,共4页Information & Computer

摘　　要：药物-靶标结合亲和力(Drug-Target Affiinity,DTA)预测在药物发现中具有重要的作用。现有DTA模型能够很好地预测药物靶标亲和力,但是仍存在单一形式的分子表征学习方法对分子学习不充分的问题。基于此,提出一种基于深度学习的药物-靶标结合亲和力预测模型。该模型在药物信息编码部分,采用图同构神经网络和多层感知器分别学习分子图和PubChem分子指纹信息,利用注意力机制丰富药物分子图信息;在靶标信息编码部分,使用一维卷积神经网络(Convolution Neural Network,CNN)学习蛋白质序列信息。Drug-Target Affiinity(DTA)prediction plays a key role in drug discovery.Existing DTA models can perform well,but still suffer from the problem.For example,single-representation learning is not sufficient for learning molecules.To solve this,this study proposes a deep learning-based drug-target binding affinity prediction model.The model,in the drug information encoding part,uses graph homomorphism neural network and multilayer perceptron to encode molecular graphs and PubChem molecular fingerprints,respectively,and enriches the information of drug molecular graphs by using the attention mechanism;and in the target information encoding part,it uses 1D Convolution Neural Network(CNN)to learn protein sequence information.

关 键 词：深度学习 药物-靶标亲和力(DTA) 注意力机制 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] R91[自动化与计算机技术—控制科学与工程]