虽然现有神经网络的方法在 DTI 预测方面取得了重大进展,但它们在整合多源信息或处理药物-靶点相互作用的异质性方面经常出现问题。为此,作者提出了多层图注意力神经网络 (MLGANN),该网络不仅可以捕获了药物和靶点之间的多层次交互信息,还通过一种新颖的多层注意力机制整合了不同的数据源。最终,作者的实验结果表面,这种方...
作者提出一种基于图神经网络来预测药物−靶点的相互作用的深度学习的方法,该模型引入距离感知的图注意算法,来区分各种类型的分子间相互作用,并从蛋白质-配体结合模式的三维结构信息中提取分子间相互作用的图形特征。因此,该模型能够学习用于准确预测药物−靶相互作用的关键特征,而不仅仅是记忆某些配体分子的模式。在虚...
MLGANN框架构建了一个多层网络,能够将来自药物和靶点的多源信息整合到一个统一的多层网络中。不像传统模型那样分别处理药物和靶点的关系,MLGANN将多种数据源(如化学结构、药物-疾病关系、副作用等)融合在一个网络中,这使得模型既能够表示药物和靶点的直接交互作用,也能够捕捉它们内部的相似性。 1.多源矩阵构建:每种...
作者提出一种基于图神经网络来预测药物−靶点的相互作用的深度学习的方法,该模型引入距离感知的图注意算法,来区分各种类型的分子间相互作用,并从蛋白质-配体结合模式的三维结构信息中提取分子间相互作用的图形特征。因此,该模型能够学习用于准确预测药物−靶相互作用的关键特征,而不仅仅是记忆某些配体分子的模式。在虚...