彭利红教授课题组《Journal of Chemical Information and Modeling》：MGNDTI：一种基于多模态表示学习和门控机制的药物-靶标相互作用预测框架

药物-靶标相互作用(DTI)预测有助于加速药物发现和药物重新定位。现有的基于深度学习的DTI预测方法大多能较好地提取药物和蛋白质的判别特征，但很少考虑药物的多模态特征。此外，药物与靶点之间相互作用表征的学习还需要进一步探索。

该论文介绍了一种基于多模态表示学习和门控机制的端到端深度学习模型MGNDTI，用于DTI识别。

本文提出了一种基于多模态表示学习和门控机制的简单的多模态图神经网络MGNDTI，用于DTI预测。MGNDTI首先使用不同的网络学习药物和靶标的序列表示。其次，通过图卷积网络提取药物的分子图特征。随后，设计了一个多模态门控网络来获得药物和靶点的联合表示。最后，构建全连通网络，计算相互作用概率。MGNDTI在四种不同的实验设置下使用四个数据集(即Human, C. elegans, BioSNAP和BindingDB)对七种最先进的DTI预测模型(CPI-GNN, TransformerCPI, MolTrans, BACPI, CPGL, GIFDTI和FOTF-CPI)进行基准测试。基于AUROC、AUPRC、准确率、F1与MCC 5个评价标准，MGNDTI显著优于上述7种方法。MGNDTI是一个强大的DTI预测工具，在不同的数据集和不同的实验设置下显示出优越的鲁棒性和泛化能力。它可以在https://github.com/plhhnu/MGNDTI上免费获得。

在线体育投注beat365周立前、湖南工学院计算机科学与工程学院陈敏为论文的共同通讯作者；在线体育投注beat365彭利红为本论文第一作者；该工作得到了国家自然科学基金委、湖南省自然科学基金和湖南省教育厅科研项目等方面的资助。

原文链接：https://pubs.acs.org/doi/abs/10.1021/acs.jcim.4c00957