文献类型：期刊文章

作　　者：李添添[1] 王俊杰[2]

LI Tian-tian;WANG Jun-jie(Editioral Department,Jiangsu Province Official Hospital,Nanjing 210024,Jiangsu Province,China;School of Biomedical Engineering and Informatics,Nanjing Medical University,Nanjing 211166,Jiangsu Province,China)

机构地区：[1]江苏省省级机关医院编辑部,江苏南京210024 [2]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

出　　处：《中华医学图书情报杂志》

基　　金：国家自然科学基金青年基金项目“多粒度多任务化合物-蛋白质相互作用预测方法研究”(62102191)。

年　　份：2022

卷　　号：31

期　　号：3

起止页码：34-39

语　　种：中文

收录情况：CAS、IC、JST、ZGKJHX、普通刊

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。

关 键 词：深度学习  药物-靶点  亲和力  预测方法  

分 类 号：R917] TP183[药学类]