药物-靶标亲和力预测，上科大团队开发了一种Transformer编码器和指纹图谱相结合的方法

AIGC动态欢迎阅读

原标题：药物-靶标亲和力预测，上科大团队开发了一种Transformer编码器和指纹图谱相结合的方法
关键字：亲和力,模型,蛋白质,药物,数据
文章来源：机器之心
内容字数：5358字

内容摘要：

将 ScienceAI设为星标
第一时间掌握
新鲜的 AI for Science 资讯编辑 | 萝卜皮
药物与靶标之间的结合亲和力的预测对于药物发现至关重要。然而，现有方法的准确性仍需提高。另一方面，大多数深度学习方法只关注非共价（非键合）结合分子系统的预测，而忽略了在药物开发领域越来越受到关注的共价结合的情况。
上海科技大学的研究团队提出了一种新的基于注意力的模型，称为TEFDTA （Transformer Encoder and Fingerprint combined Prediction method for Drug-Target Affinity），来预测键合和非键合药物-靶标相互作用的结合亲和力。
为了处理如此复杂的问题，研究人员分别对蛋白质和药物分子使用了不同的表示。具体来说，通过使用非键合蛋白质-配体相互作用的数据集训练模型来构建初始框架。
对于广泛使用的数据集 Davis，该团队提供了一个手动校正的 Davis 数据库。为了优化性能，还在 CovalentInDB 数据库中的较小共价相互作用数据集上对该模型进行了微调。
结果表明，与单独使用 BindingDB 数

原文链接：药物-靶标亲和力预测，上科大团队开发了一种Transformer编码器和指纹图谱相结合的方法

联系作者

文章来源：机器之心
作者微信：almosthuman2014
作者简介：专业的人工智能媒体和产业服务平台