换一批一种基于去噪自编码器融合相似度的药物-靶标相互作用预测方法
A Drug-Target Interaction Prediction Method Based on Denois-ing Autoencoder and Similarity
摘要基于机器学习预测潜在药物-靶标相互作用(Drug-Target Interaction,DTI)的方法是一个具有竞争力的研究主题,但当前相关的预测方法和模型在特征学习方面尚有较大的发展空间.本研究基于无监督学习思想提出了一个结合去噪自编码器和分子相似度非线性计算方式的药物-靶标相互作用预测方法.该方法通过去噪自编码器学习和构建药物-靶标相互作用对的特征,并在此基础上融入药物-药物、靶标-靶标之间的相似信息以增强药物-靶标特征的丰富度,从而提高模型的预测能力.在Enzymes、Ion channels、GPCRs和Nuclear re-ceptors等4个基准数据集的比较实验结果表明,本研究所提出的模型显著优于PPAEDTI、AutoDTI++、CMF、Bi-PSSM、ESBoost、CNNDTI、NFSPDTI和EFMSDTI等8个较先进模型,并与另一先进模型aSDAE相当.可见,本研究所提出的模型提高了药物(化合物)与靶标相互作用的预测性能,可为新药研发和药物重新定位提供更优的药物-靶标相互作用预测支持.
更多相关知识
关键词
药物-靶标相互作用深度学习去噪自编码器新药研发药物重定位drug-target interactionsdeep learningdenoising autoencodernew drug developmentdrug reposi-tioning
栏目名称
DOI
10.13656/j.cnki.gxkx.20240919.004
发布时间
2025-03-19（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引1
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
