药物靶标相互作用(DTI)的识别是药物开发设计过程中的关键环节，对缩小候选药物分子的筛选范围，从而实现药物的重复使用、降低药物开发成本、提高药物开发效率具有至关重要的作用。

Quantitative Biology发表了题为“GCARDTI: Drug-target Interaction prediction based on the hybrid mechanism in drug SELFIES”的文章，展示了利用药物SELFIES以及混合GCN和GAT的机制所取得的令人满意的效果。

GCARDTI模型利用高鲁棒性的药物SELFIES结合靶标序列构建异构网络，并将其输入到图学习模块的混合机制中，以捕获药物和靶标潜在空间中的高维特征。

图卷积神经网络通过更新化学键连接的相邻原子的特征向量来自动捕获药物和靶标分子的结构信息，图注意网络的注意模块用于识别相应子结构对每个药物和靶标的贡献。

最后采用层图卷积神经网络聚合各药物及靶标的子结构信息，并更新其特征向量，从而得到低维有效的药物及靶标信息。通过在两个不同来源的数据集上进行测试，发现GCARDTI模型在某些方面优于HIN2VEC、EVENT2VEC、HEER、GATNE、PGCNand、DTI-HETA。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：