典型文献
基于深度学习的"药物-靶点"亲和力预测方法设计
文献摘要：
目的:构建一种基于深度神经网络的"药物-靶点"亲和力预测方法.方法:先对拟定药物进行独热编码,并使用预训练语言表征模型对靶蛋白进行编码,以捕获氨基酸序列中的重要信息,然后设计2个独立的卷积神经网络,通过4个全连接层来预测"药物-靶点"的亲和力.最后在Davis激酶结合亲和力数据集和KIBA大规模激酶抑制剂生物活性数据集上验证本方法的性能,并将实验结果与KronRLS、SimBoost、DeepDTA算法结果进行比较.结果:相较于KronRLS、SimBoost、DeepDTA算法,本方法在Davis激酶结合亲和力数据集和KIBA大规模激酶抑制剂生物活性数据集上均获得了最高的一致性指数和最低的均方误差值.结论:采用双向语言模型对靶蛋白进行编码后再进行深度学习,可以提高"药物-靶点"亲和力预测的准确度.
文献关键词：
深度学习;药物-靶点;亲和力;预测方法
中图分类号：
作者姓名：
李添添;王俊杰
作者机构：
江苏省省级机关医院编辑部,江苏 南京 210024;南京医科大学生物医学工程与信息学院医学信息学系,江苏 南京 211166
文献出处：
引用格式：
[1]李添添;王俊杰-.基于深度学习的"药物-靶点"亲和力预测方法设计)[J].中华医学图书情报杂志,2022(03):34-39
A类：
KIBA,KronRLS,SimBoost,DeepDTA
B类：
力预测,方法设计,深度神经网络,拟定,独热编码,预训练,语言表征,表征模型,对靶,靶蛋白,氨基酸序列,重要信息,全连接层,Davis,结合亲和力,激酶抑制剂,均方误差,误差值,双向语言模型
AB值：
0.228101
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。
