Loading...
机构名称:
¥ 1.0

摘要 - 药物发现的第一步是找到具有针对特定靶标的药用活性的药物分子部分。因此,研究药物靶标蛋白与小化学分子之间的相互作用至关重要。然而,传统的发现潜在小药物分子的实验方法劳动密集且耗时。目前,人们对使用药物分子相关数据库建立计算模型来筛选小药物分子非常感兴趣。在本文中,我们提出了一种使用深度学习模型预测药物靶标结合亲和力的方法。该方法使用改进的GRU和GNN分别从药物靶标蛋白序列和药物分子图中提取特征以获得它们的特征向量。组合向量用作药物-靶标分子对的向量表示,然后输入到完全连接的网络中以预测药物-靶标结合亲和力。该提出的模型证明了其在DAVIS和KIBA数据集上预测药物-靶标结合亲和力的准确性和有效性。

基于一致性评价的药物-靶标亲和力预测方法...

基于一致性评价的药物-靶标亲和力预测方法...PDF文件第1页

基于一致性评价的药物-靶标亲和力预测方法...PDF文件第2页

基于一致性评价的药物-靶标亲和力预测方法...PDF文件第3页

基于一致性评价的药物-靶标亲和力预测方法...PDF文件第4页

基于一致性评价的药物-靶标亲和力预测方法...PDF文件第5页

相关文件推荐