预测药物-靶点相互作用的异构网络嵌入模型研究

摘要：

药物-靶点相互作用(DTIs)预测是药物发现的重要过程.随着计算技术的发展,基于生物数据的计算方法正高效率地加速这一过程.然而,这些方法大多忽略了靶标和药物的序列特征和异构性.本研究通过机器学习方法,提出多重网络嵌入框架(MLB-NEDTP)的预测模型,首先分析序列特征,然后将融合的特征嵌入多层异质信息网络中,以提高预测性能.多个数据集训练和验证结果表明,该模型与ATOMNET等最新模型相比具有明显优势.

关键词：药物-靶点相互作用、多层异构网络、序列分析、网络嵌入

所属期刊栏目：18

分类号：R91;R319(药物基础科学)

资助基金：广东省药品监督管理局科技创新项目;广东省中医药局科研项目

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：30-35