机构名称：
¥ 1.0
在药物靶标相互作用的计算机预测中（DTI）对于药物发现显着，因为它可以很大程度上降低药物开发过程中的时间表和成本。特定的，基于深度学习的DTI方法在预测的准确性和低成本方面已显示出令人鼓舞的结果。但是，他们很少关注其预测结果的解释性以及药物与目标之间的特征水平相互作用。在这项研究中，我们提出了一个新颖的可解释框架，可以为交互作用提供合理的线索。为此，我们精心设计了一个封闭式的跨注意机制，该机制通过在这些特征之间构建明确的相互作用来杂交地参加药物和目标特征。该方法中的门控函数使神经模型能够专注于整个药物和蛋白质序列上的显着区域，并且该功能的副产品（即注意图）可以用作可解释的因素。实验结果显示了两个DTI数据集中提出的方法的效率。此外，我们表明，封闭式的交叉注意可以对突变有敏感的反应，并且该结果可以为鉴定靶向突变蛋白的新药物提供见解。
与封闭交叉注意的药物目标相互作用的可解释框架
主要关键词
相关文件推荐
