AIGC動態歡迎閱讀

原標題：藥物-靶標親和力預測，上科大團隊開發了一種Transformer編碼器和指紋圖譜相結合的方法
關鍵字：親和力,模型,蛋白質,藥物,數據
文章來源：機器之心
內容字數：5358字

內容摘要：

將 ScienceAI設為星標
第一時間掌握
新鮮的 AI for Science 資訊編輯 | 蘿卜皮
藥物與靶標之間的結合親和力的預測對于藥物發現至關重要。然而，現有方法的準確性仍需提高。另一方面，大多數深度學習方法只關注非共價（非鍵合）結合分子系統的預測，而忽略了在藥物開發領域越來越受到關注的共價結合的情況。
上海科技大學的研究團隊提出了一種新的基于注意力的模型，稱為TEFDTA （Transformer Encoder and Fingerprint combined Prediction method for Drug-Target Affinity），來預測鍵合和非鍵合藥物-靶標相互作用的結合親和力。
為了處理如此復雜的問題，研究人員分別對蛋白質和藥物分子使用了不同的表示。具體來說，通過使用非鍵合蛋白質-配體相互作用的數據集訓練模型來構建初始框架。
對于廣泛使用的數據集 Davis，該團隊提供了一個手動校正的 Davis 數據庫。為了優化性能，還在 CovalentInDB 數據庫中的較小共價相互作用數據集上對該模型進行了微調。
結果表明，與單獨使用 BindingDB 數

原文鏈接：藥物-靶標親和力預測，上科大團隊開發了一種Transformer編碼器和指紋圖譜相結合的方法

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺