然而,在药物-靶点相互作用(DTI)的预测过程中,依然存在以下挑战: 特征冗余问题:许多现有方法在处理药物分子和靶点蛋白的特征时,未能有效消减冗余信息,导致模型效率低下。 结合机制复杂性:药物分子与靶点蛋白之间的结合涉及多种非共价作用,如氢键、疏水相互作用和范德华力等,这些机制难以在传统模型中完整表征。 预测结果...
在本文中,作者开发了一个名为CoaDTI的端到端深度学习框架,以显著提高药物靶点注释的效率和可解释性。 方法 如图1所示,基于多模式共同注意力的框架CoaDTI以药物SMILES序列为输入,首先将线性序列转换为基于R半径子图(R-radius subgraph)算法的分子图,图数据被送到GraphSAGE模型,进行邻域聚合。 图1. CoaDTI模型图 考虑...
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...
药物- 靶点相互作用的识别和预测在生物医药领域意义重大。它主要体现在多个方面,例如药物重新定位,通过预测药物 - 蛋白质相互作用,能帮助发现现有药物的新用途,对已上市药物进行重新评估,寻找与其他疾病相关的新靶点,从而加速新适应症的探索和开发。在新...
药物与靶点的相互作用受很多种因素的影响,例如两种化合物的浓度及其分子间的相互作用。评估药物和靶标相互作用的数据库提供了关于这些药物化合物、靶标蛋白以及它们之间相互作用的不同信息。这些信息可用于高效且精确地预测各种潜在的相互作用【2】。以下列举一些常...
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...
功能入口:神农量子导航栏【计算任务】左侧菜单栏计算模块【药物-靶点相互作用】 步骤 第一步:第一步:输入靶体蛋白(搜索PDB数据库或上传.pdb格式的蛋白质结构文件) 上传蛋白质结构文件 搜索PDB数据库 第二步:输入小分子文件(上传.mol2格式的小分子文件或选择小分子数据库) ...
药物设计生命科学基础生物靶点.pptx 热度: ••药物分子和受体的结合药物分子和受体的结合,,除静电相互作用外除静电相互作用外,,主要是通过各主要是通过各 种化学键连接种化学键连接,,形成药物形成药物--受体复合物受体复合物,,其中共价键的键能其中共价键的键能 ...
作者提出了一种新的模型MINN-DTI,通过综合靶点和药物之间的相互影响来促进DTI的预测,靶点和药物的表征分别由蛋白质距离图和分子图表示。因此,MINN通过设计药物靶点交互的transformer模型和改进的CMPNN来捕获药物和靶点的相互作用。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...