基于表示学习的图神经网络模型预测化合物-蛋白质相互作用OACSTPCD
A graph convolutional network model based on representing learning for compound-protein interaction prediction
化合物-蛋白质互作的鉴定对药物发现、靶标鉴定,网络药理学和蛋白质功能的阐明等至关重要.本文开发了一种基于表示学习的图神经网络预测化合物-蛋白质互作模型.首先利用Word2vec表示学习方法自动提取化合物和蛋白质的特征;然后将特征输入构建图神经网络预测模型,并与传统机器学习方法和前人的先进方法对比.结果显示模型在曲线下面积,准确率等评价指标上表现出更好的结果.预测Binding-DB数据库中所有未知的化合物-蛋白质互作对的概率,其中预测得分排名前五…查看全部>>
The identification of compound-protein interactions is crucial for drug discovery,target identification,network pharmacology,and elucidation of protein function.In this paper,we develop a representation learning based graph neural network model for predicting compound-protein interactions.Firstly,Word2vec representation learning method is used to extract features of compounds and proteins automatically.Then the features are input to construct a graph neural …查看全部>>
章广能;张育芳;张宝
南方医科大学 公共卫生学院,广州 511495上海交通大学 数学科学学院,上海 200240南方医科大学 公共卫生学院,广州 511495
药学
化合物-蛋白质相互作用表示学习图神经网络药物发现
Compound-protein interactionsRepresentation learningGraph neural networkDrug discovery
《生物信息学》 2024 (4)
287-295,9
评论