基于深度学习的药物−靶标相互作用预测研究综述

作     者：刘晓光 李梅 LIU Xiaoguang;LI Mei

作者机构：南开大学计算机学院天津300350 

出 版 物：《智能系统学报》 (CAAI Transactions on Intelligent Systems)

年 卷 期：2024年第19卷第3期

页      面：494-524页

核心收录：

学科分类：12[管理学] 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）] 

基　　金：国家自然科学基金项目(62272253,62272252) 中央高校基本科研专项 

主　　题：药物−靶标相互作用 人工智能 机器学习 深度学习 药物研发 图神经网络 异质网络 表征学习 

摘      要：新药物研发是一项耗时、耗力、耗资的复杂工程,整体成功率低于10%。药物−靶标相互作用预测是药物筛选和药物重定位的关键环节。准确的药物−靶标相互作用预测可有效缩小候选药物分子筛选范围,加速药物研发进程。传统实验方法研究药物−靶标相互作用耗时长、成本高且伴有一定的盲目性,难以进行大规模的药物−靶标相互作用识别工作。近年来,将机器学习尤其是深度学习技术用于药物−靶标相互作用预测成为主流研究。尽管在过去10年有大量的研究工作纷纷涌现,药物−靶标相互作用预测仍然是物质密集型和长期性的工作,对研究者来说仍具有挑战性。本文梳理近年来基于深度学习的药物−靶标相互作用预测研究工作,归纳总结现有工作的研究方法、评价指标和使用的数据资源,分析现有工作的不足并提出展望。本文的研究目的是帮助药物研发领域研究者全面了解深度学习在药物−靶标相互作用预测领域的最新研究进展,从而提高研究效率和研究质量。