论文题目:
HyperAttentionDTI: improving drug–protein interaction prediction by sequence-based deep learning with attention mechanism 中文题目:HyperAttentionDTI:通过基于序列的深度学习和注意力机制改进药物-蛋白质相互作用预测
论文摘要: 识别药物-靶点相互作用(DTI)是药物再利用和药物发现的关键步骤。最近,许多基于序列的方法被提出用于DTI预测,并通过引入注意力机制来提高性能。然而,这些方法只模拟了药物和蛋白质之间的单一非共价分子间相互作用,而忽略了原子和氨基酸之间的复杂相互作用。在这篇论文中,作者提出了一个基于卷积神经网络(CNN)和注意力机制的端到端模型,名为HyperAttentionDTI,用于预测DTI。使用CNN来学习药物和蛋白质的特征矩阵。为了模拟原子和氨基酸之间复杂的非共价分子间相互作用,利用特征矩阵上的注意力机制,为每个原子或氨基酸分配一个注意力向量。作者在三个基准数据集上评估了HyperAttentionDTI,结果表明,与最先进的基线相比,该模型实现了显著的性能改进。此外,对人类γ-氨基丁酸受体的案例研究证实,该模型可作为预测DTI的有力工具。
论文链接:
https://academic.oup.com/bioinformatics/advance-article/doi/10.1093/bioinformatics/btab715/6401997
Github链接:
https://github.com/zhaoqichang/HpyerAttentionDTI
欢迎关注公众号,获取更多论文解读
转载或合作请联系邮箱 intbioinfo@163.com