典型文献
注意力特征融合的蛋白质-药物相互作用预测
文献摘要：
药物一般通过抑制或激活人体中某些蛋白活性反应进而发挥效能,因此预测蛋白和药物的相互作用对新药开发的筛选工作极为关键.然而,基于传统方法在湿实验中进行该类实验需要耗费巨大的人力和物力.为解决这一问题,提出了一种基于自注意力机制和多药物特征融合的蛋白质-药物相互作用预测算法.首先,合理融合基于药物分子结构特征的Morgan指纹、Mol2Vec表示向量以及消息传递网络所提特征;随后,将融合结果对由密集型卷积所提取的蛋白特征做注意力加权;接着综合两者特征,利用 自注意力机制和双向门控循环单元预测蛋白质药物相互作用;最后,根据训练模型设计了可应用的预测系统,并展示了其在筛选治愈阿尔兹海默症药物的具体使用方法和效果.实验结果表明,较现有的预测方法,新方法在BindingDB,Kinase,Human,C.elegans数据集上均达到了更好的预测 效果.最优的AUC分别达到了 0.963,0.937,0.983,0.990,较同类方法具有十分明显的优势.
文献关键词：
蛋白质-药物相互作用;药物筛选;特征融合;密集型卷积网络;自注意力机制
中图分类号：
作者姓名：
华阳;李金星;冯振华;宋晓宁;孙俊;於东军
作者机构：
江南大学人工智能与计算机学院 江苏无锡 214100;萨里大学计算机系 英国吉尔福德 GU2 7XH;南京理工大学计算机科学与工程学院 南京 210094
文献出处：
引用格式：
[1]华阳;李金星;冯振华;宋晓宁;孙俊;於东军-.注意力特征融合的蛋白质-药物相互作用预测)[J].计算机研究与发展,2022(09):2051-2065
A类：
Mol2Vec,密集型卷积网络
B类：
注意力特征融合,药物相互作用,活人,蛋白活性,新药开发,耗费,自注意力机制,多药,预测算法,合理融合,药物分子,分子结构,Morgan,指纹,消息传递网络,双向门控循环单元,蛋白质药物,训练模型,模型设计,预测系统,阿尔兹海默症,使用方法,BindingDB,Kinase,Human,elegans,药物筛选
AB值：
0.335123
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
