为了验证 MINDG 的有效性,在以下方面进行了实验分析:(i)与当前性能较好的药物-靶点相互作用预测方法的性能比较;(ii) 进行了消融实验;(iii) 进行了预测结果的应用研究。 在两个数据集上(BindingDB 和 DAVIS)评估 MINDG,表明与最先进的基线相比,它提高了 DTI 预测性能。MINDG 结合了图神经网络和深度学习方法的...
编码层通过堆叠SA层学习药物序列特征,解码层通过堆叠SA 和PDA层将药物模态信息融合进入蛋白质模态信息。交叉方式(interaction)旨在利用药物表征之间的相关性、相互作用和蛋白质表达。 蛋白质和药物输入首先由SA层嵌入特征。然后,蛋白质特征由考虑药物作用的PDA层更新,药物特征由考虑蛋白质作用的DPA层更新。协同注意力模块...
本文提出了一个基于多模态数据的药物-靶点相互作用预测系统MDTips,融合了知识(K)、基因表达谱(E)和结构数据(S)(a multi modal data based drug-target interaction prediction system fusing knowledge, gene expression profile, and structural data)。MDTips在DTI预测...
在机器学习方法中,有关药物、靶点和已确认的DTI的数据被转换为用于训练预测模型的特征,而这些特征又被用于预测新药物与/或新靶点之间的相互作用。 这些研究的主要假设是,如果Drug d与Protein p有相互作用,则(i)与d结构相似的药物化合物也可能与p有相互作用,(ii)与p相似的蛋白质可能与Drug d相互作用,以及(iii)...
具体而言,iGRLDTI首先通过整合药物和靶点的生物学知识及其相互作用来构建HBIN(heterogeneous biological information network,异构生物信息网络)。之后,采用节点依赖的局部平滑策略自适应决定HBIN中每个生物分子的传播深度,通过增强药物和靶点特征表征的判别能力,显著缓解了过度平滑。最后,iGRLDTI采用梯度增强决策树分类器预测...
最近,基于深度学习的虚拟筛选和药物-靶标相互作用 (DTI) 预测模型产生了非常有希望的结果。然而,迄今为止开发的大多数深度学习模型都需要大量的训练数据。对于许多靶蛋白或蛋白质家族,无法获得如此大量的数据,因此,没有可用于这些类别蛋白质的预测模型。 图1显示了靶蛋白(百分比)在ChEMBL_29中生物活性化合物数量的箱...
通常,用于药物-靶点相互作用的计算机预测有两种主要方法:分子对接模拟和机器学习方法。在分子对接模拟中,考虑了药物分子和靶点的3D结构并确定潜在的结合位点。虽然生物学上已经很好地接受了,但是对接模拟过程却很耗时。此外,如果蛋白质的3D结构未知,则无法应用此方法。为解决此问题,引入了化学基因组学作为一种方法,旨在...
与现有的模型相比,MINN-DTI在三个公共数据集上都超过了baseline模型,由于MINN-DTI可以更有效地利用靶点和药物之间的相互作用信息。因此作者认为,基于Inter-CMPNN的MINN在其他相关任务,比如靶标-靶标、靶标-肽和药物-药物相互作用预测等应该也有效果。参考文献...
具体而言,iGRLDTI首先通过整合药物和靶点的生物学知识及其相互作用来构建HBIN(heterogeneous biological information network,异构生物信息网络)。之后,采用节点依赖的局部平滑策略自适应决定HBIN中每个生物分子的传播深度,通过增强药物和靶点特征...
在本文中,作者提出了一种基于个性化传播图自编码器的药物-靶点相互作用预测方法(Personalized Propagation Auto-Encoder Model for Predicting Drug-Target Interactions,PPAEDTI),通过在药物-靶点二分图上信息的个性化传播策略,增强自编码器模型捕获蛋白质和药物之间相互作用的能力。实验结果验证了PPAEDTI对DTI预测的有效...