准确而稳健地预测药物-靶标相互作用 (DTI) 在药物发现中起着至关重要的作用。尽管人们在预测新型 DTI 方面投入了大量精力,但现有方法仍然存在标记数据不足和冷启动问题。更重要的是,目前缺乏阐明药物和靶标之间作用机制 (MoA) 的研究。区分激活和抑制机制对于药物开发至关重要且具有挑战性。在这里,我们介绍了一个称为 DTIAM 的统一框架,旨在预测药物和靶标之间的相互作用、结合亲和力以及激活/抑制机制。DTIAM 通过自监督的预训练从大量无标记数据中学习药物和靶标表示,从而准确提取药物和靶标的子结构和上下文信息,从而有利于基于这些表示的下游预测。DTIAM 在所有任务中都比其他最先进的方法实现了显着的性能提升,尤其是在冷启动场景中。此外,独立验证证明了 DTIAM 强大的泛化能力。所有这些结果表明,DTIAM 可以提供一种实用的工具来预测新型 DTI 并进一步区分候选药物的作用机理。DTIAM 首次提供了一个统一的框架,可以准确、稳健地预测药物-靶标相互作用、结合亲和力以及激活/抑制机制。
主要关键词