具体包括药物的五种相似网络(药物-药物相互作用、药物-疾病关联、药物-副作用关联、药物-蛋白质相互作用、化学结构相似)和靶点的四种相似网络(蛋白质-蛋白质相互作用、蛋白质-疾病关联、药物-蛋白质相互作用、基因序列相似)。这些网络结合在一起,提高了药物-靶标相互作用预测的准确性。 结果 在本研究中,我们提出了一...
研究表明，ZeroBind 在新型蛋白质和药物的药物-靶标互动（DTI）预测方面优于现有方法，并且即使是对已知少量结合配体的蛋白质进行微调后，其表现仍然出色。数据集生成与扩充 BindingDB12 数据库 来源：BindingDB12，一个公开数据库，收录了超过 260 万个蛋白质-药物结合亲和力。涵盖范围：包括超过 8000 个蛋白质靶标...
传统的药物发现过程通常耗时、耗力且昂贵。近年来，基于深度学习的虚拟筛选和药物-靶标相互作用（DTI）预测模型已经取得了令人瞩目的成果。然而，这些深度学习模型通常需要大量的训练数据，而对于许多目标蛋白质或蛋白质家族来说，数据不足，因此无法为这些蛋白质类别构建可用的预测模型。图1展示了ChEMBL_29数据库中生物...
药物-靶标相互作用预测药物靶标亲和力预测网络表示学习异质信息网络多模态表示识别药物-靶标之间的关系(DTRs)是药物研发等相关工作的关键,能够为药物发现,多药理学,药物重新定位,药物副作用预测等相关领域提供方向和有价值的指导.DTRs识别任务可以分为药物-靶标相互作用(DTIs)预测和药物-靶标亲和力(DTA)预测两类,DTIs...
近日,上海交通大学电子信息与电气工程学院自动化系潘小勇副教授团队在《Nature Communication》(自然-通讯)上以“ZeroBind: A protein-specific zero-shot predictor with subgraph matching for drug-target interactions”(基于子图匹配的蛋白特异性零样...
作者提出了一个药物靶标相互作用预测模型,DLM-DTI。通过对基于蛋白质序列预训练的语言模型(如ProtBERT)进行微调需要一定的计算资源开销且效率不高,因此作者采用了知识适应方法,即通过教师-学生架构同时高效地调整了一般知识和特定任务知识的权重比。DLM-DTI仅使用了25%的模型参数就可以表现出与基准模型相当的性能。不过...
本文将药物-靶标相互作用(DTI)预测作为一个元学习任务,并提出了一个名为ZeroBind的元学习框架来解决DTI中新的的蛋白质和药物的泛化问题。具体来说,元学习任务被定义为对特定蛋白质的结合药物预测。结果表明,ZeroBind在零样本和少样本场景下优于现有方法。
作者提出了一种Transformer及注意力网络的方法来预测药物靶标相互作用。如图1所示，首先，构建了一个包含四种节点类型的异质生物信息学网络：药物、靶点、疾病和副作用。然后，依次使用Transformer及注意力网络，将生物网络的结构及语义信息编码为药物和靶标的低维潜在嵌入。其中元路径实例Transformer对元路径实例进行内部聚合...
但是，根据诱导拟合理论，相互作用的药物分子和靶标是相互影响的，因此，在学习表示用于DTI预测的药物和靶点时，考虑它们之间的相互影响是自然和合理的。模型设计 基于以上的认识，作者对现有DTI预测模型存在的上述缺陷，提出了一种新的DTI预测模型。在该模型中，蛋白质的二维成对距离图和分子图分别作为靶点和药物的输入...
在这项研究中,作者探讨了利用深度迁移学习来解决药物-靶标相互作用(DTI)预测中的数据稀缺问题。他们首先使用大规模通用训练数据集来预训练深度神经网络分类器,然后将这个预训练的网络用于小规模特定目标蛋白质的重新训练和微调,以解决数据不足的问题。 研究背景 传统的药物发现过程通常耗时、耗力且昂贵。近年来,基于...