基于深度学习的"药物-靶点"亲和力预测方法设计

扫码查看

原文链接

万方数据

中文摘要：目的:构建一种基于深度神经网络的"药物-靶点"亲和力预测方法.方法:先对拟定药物进行独热编码,并使用预训练语言表征模型对靶蛋白进行编码,以捕获氨基酸序列中的重要信息,然后设计2个独立的卷积神经网络,通过4个全连接层来预测"药物-靶点"的亲和力.最后在Davis激酶结合亲和力数据集和KIBA大规模激酶抑制剂生物活性数据集上验证本方法的性能,并将实验结果与KronRLS、SimBoost、DeepDTA算法结果进行比较.结果:相较于KronRLS、SimBoost、DeepDTA算法,本方法在Davis激酶结合亲和力数据集和KIBA大规模激酶抑制剂生物活性数据集上均获得了最高的一致性指数和最低的均方误差值.结论:采用双向语言模型对靶蛋白进行编码后再进行深度学习,可以提高"药物-靶点"亲和力预测的准确度.

外文标题：Drug-target affinity prediction based on deep learning

作者：

李添添、王俊杰

展开 >

作者单位：

江苏省省级机关医院编辑部,江苏南京 210024

南京医科大学生物医学工程与信息学院医学信息学系,江苏南京 211166

关键词：

深度学习药物-靶点亲和力预测方法

基金：

国家自然科学基金青年基金

项目编号：

62102191

出版年：

2022

DOI：

10.3969/j.issn.1671-3982.2022.03.004

中华医学图书情报杂志

解放军医学图书馆

中华医学图书情报杂志

影响因子：1.247

ISSN：1671-3982

年,卷(期)：2022.31(3)

参考文献量3