基于LSTM和注意力机制的蛋白质-配体结合亲和力预测OA北大核心CSTPCD
Prediction of protein-ligand binding affinity based on LSTM and attention mechanism
蛋白质-配体的结合亲和力预测是药物重定位回归中具有挑战性的任务.深度学习方法可以有效预测蛋白质与配体相互作用的结合亲和力,减少药物发现的时间和成本.由此,基于长短期记忆模块(LSTM)和注意力机制模块(attention)提出了一种深度卷积神经网络模型(DLLSA).模型由嵌入 LSTM和空间注意力模块(spatial-attention)的卷积网络并行模块构建,其中 LSTM模块针对蛋白质-配体接触特征的长序列信息,spatial-attent…查看全部>>
Protein-ligand binding affinity prediction is a challenging task in drug repositioning regression.Deep learning methods can effectively predict the binding affinity of protein-ligand interactions,reducing the time and cost of drug discovery.This study proposes a deep convolutional neural network model(DLLSA)based on long short-term memory module(LSTM)and attention mechanism module.The model is constructed using a convolutional network parallel pattern …查看全部>>
王伟;吴世玉;刘栋;梁慧茹;史进玲;周运;张红军;王鲜芳
河南师范大学 计算机与信息工程学院,河南 新乡 453007||河南省教育人工智能与个性化学习重点实验室,河南 新乡 453007河南师范大学 计算机与信息工程学院,河南 新乡 453007河南师范大学 计算机与信息工程学院,河南 新乡 453007||河南省教育人工智能与个性化学习重点实验室,河南 新乡 453007河南师范大学 计算机与信息工程学院,河南 新乡 453007许昌学院 国际教育学院,河南 许昌 461000河南师范大学 计算机与信息工程学院,河南 新乡 453007||河南省教育人工智能与个性化学习重点实验室,河南 新乡 453007河南理工大学 鹤壁工程技术学院,河南 鹤壁 458030河南工学院 计算机科学与技术学院,河南 新乡 453000
计算机与自动化
结合亲和力卷积神经网络注意力机制评分功能机器学习
binding affinityconvolution neural networkattention mechanismscoring functionmachine learning
《陕西师范大学学报（自然科学版）》 2024 (3)
76-84,9
国家自然科学基金(62072157)河南省科技攻关项目(242102211045,242102210001)河南师范大学高性能计算中心项目
评论