触地

2024年2月13日机构名称:

pgraphdta：使用蛋白质语言模型改善药物靶标相互作用预测并接触地图

开发和发现新药是一项复杂且资源密集型的电源，通常涉及大量成本，时间投资和安全问题。药物发现的一个关键方面涉及鉴定新型药物目标（DT）的侵蚀。用于预测DT相互作用的现有计算方法主要集中在二进制分类任务上，旨在确定DT对是否相互作用。然而，蛋白质 - 配体相互作用表现出连续的结合强度，称为结合亲和力，对准确的预测提出了持续的挑战。在这项研究中，我们研究了药物靶相互作用（DTI）预测中采用的各种技术，并提出了新颖的增强以增强其性能。我们的方法包括蛋白质语言模型（PLM）的整合以及将触点图信息作为电感偏见的结合到当前模型中。通过广泛的实验，我们证明了我们所提出的方法的表现优于本研究中考虑的基线模型，这是一个令人信服的案例，以进一步发展这一方向。我们预计从这项工作中获得的见解将很明显地缩小针对特定蛋白质的潜在药物的搜索空间，从而加速了药物发现。pgraphdta的代码和数据可在https://github.com/yijia-xiao/pgraphdta/上找到。

查看详细