换一批多通道图卷积和多尺度融合的药物靶点亲和力预测
Drug-target Affinity Prediction Based on Multi-channel Graph Convolution and Multi-scale Interaction Fusion
摘要高性能计算机辅助药物设计是一个极具潜力的领域,而药物靶点亲和力(DTA)预测则是众多药物设计阶段中关键的步骤之一,它降低了药物开发的成本并提高了效率.本研究旨在开发一种高精度的药物靶点亲和力(DTA)预测模型以提升药物开发效率.提出了一种基于多通道密集连接图卷积和多尺度交互融合的预测方法.方法上,模型以药物分子和蛋白质的图结构数据(节点邻接矩阵)为输入,通过多头自注意力模块结合多通道密集连接图卷积模块提取药物分子的高阶结构特征,蛋白质靶标特征则通过三层图卷积网络提取.在特征融合阶段,引入Highway和Mamba模块从局部与全局两个尺度建模药物与靶点之间的交互关系,并通过全连接层输出亲和力预测值.实验结果表明,该模型在多个公开数据集上的预测性能优于现有方法,展现出更高的准确性和鲁棒性.相较于传统模型,该方法通过密集连接和多通道机制有效聚合高阶邻接信息,融合模块增强了特征交互建模能力.结论表明,该模型具有强大的泛化能力,能准确预测药物靶点相互作用强度,为计算机辅助药物设计提供了高效工具.
更多相关知识
关键词
药物靶点亲和力多头自注意力多通道图卷积密集连接特征融合门控机制Mamba计算机辅助药物设计drug-target affinitymulti-head self-attentionmulti-channel graph convolutiondense connectionfeature fusiongating mechanismMambacomputer-aided drug design
分类号
TP18R392（医学免疫学）
栏目名称
DOI
10.20165/j.cnki.ISSN1673-629X.2025.0263
发布时间
2026-03-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61972299）
湖北省自然科学基金青年项目（2024AFB275）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
