[Bioinformatics]好文简读：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