机构名称：
¥ 1.0
摘要 - 拖延目标相互作用（DTI）预测在药物发现中起着至关重要的作用，而深度学习方法在这一领域中达到了最先进的表现。我们为DTI预测介绍了深度学习模型（ENSEMBLEDLM）的合奏。eNSEMBLEDLM仅使用化学化合物和蛋白质的序列信息，它汇总了来自多个深神经网络的预测。这种方法不仅在戴维斯和基巴数据集中实现了最先进的性能，而且在不同的生物活性类型和不同蛋白质类别的跨域应用中达到了尖端性能。我们还证明了EnseMbleDLM在新域中取得了良好的性能（Pearson相关系数和一致性指数> 0.8），而训练集的数据是传输学习的两倍数据。索引术语 - Trug-Target互动预测，集合建模，转移学习，卷积神经网络，深神经网络
通过集合建模和转移学习朝着药物目标相互作用预测
主要关键词
相关文件推荐
