图形学习模块增强药物-靶标相互作用预测

药物-靶标相互作用（DTI）的识别是药物开发和设计过程中的一个关键环节。它在缩小候选药物分子的筛选范围，从而促进药物的重复使用，降低药物开发成本，提高药物开发效率方面发挥着至关重要的作用

Quantitative Biology发表了一篇题为《GCARDTI:基于药物SELFIES中混合机制的药物-靶标相互作用预测》的文章，该文章表明药物SELFIES的利用以及GCN和GAT的混合机制表现出令人满意的性能

GCARDTI模型使用高度鲁棒的药物SELFIES与目标序列相结合来构建异构网络，并将其输入到图学习模块的混合机制中，以捕捉药物和目标潜在空间中的高维特征

图卷积神经网络通过更新化学键连接的相邻原子的特征向量，自动捕获药物和靶分子的结构信息。图注意力网络的注意力模块用于识别相应子结构对每个药物和靶标的贡献

最后，使用层图卷积神经网络聚合每个药物和靶标的子结构信息，并更新其特征向量，从而获得药物和靶标低维有效信息。通过对来自两个不同来源的数据集的测试，发现GCARDTI模型在某些方面优于HIN2VEC、EVENT2VEC、HEER、GATNE、PGCN和DTI-HETA More information: Yinfei Feng et al, GCARDTI: Drug–target interaction prediction based on a hybrid mechanism in drug SELFIES, Quantitative Biology (2024). DOI: 10.1002/qub2.39