基于图卷积和双线性注意力网络的药物靶标亲和力预测

作     者：程竹平 李建华 CHENG Zhuping;LI Jianhua

作者机构：华东理工大学信息科学与工程学院上海200237 

出 版 物：《华东理工大学学报（自然科学版）》 (Journal of East China University of Science and Technology)

年 卷 期：2024年第50卷第4期

页      面：594-601页

学科分类：12[管理学] 1007[医学-药学(可授医学、理学学位)] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：国家重大新药创制项目(2018ZX09735002) 

主　　题：药物靶标亲和力预测 药物研发 图卷积神经网络 双线性注意力网络 深层表征融合 

摘      要：药物靶标亲和力预测在药物研发中扮演着重要的角色。针对现有预测方法大多忽略药物分子的二维结构信息、缺乏深层表征融合学习的问题,提出了基于图卷积和双线性注意力网络的药物靶标亲和力预测模型(GBN_DTA)。该模型首先基于多层图卷积神经网络编码药物分子图,同时结合1D-CNN和双向长短期记忆网络(BiLSTM)编码靶标序列;然后使用双线性注意力网络融合编码后的药物和靶标特征,最终获得亲和力预测分数。实验结果表明,该模型在DAVIS和KIBA数据集上的性能均优于其他6种主流方法,有效提升了预测准确率。