生物信息学|DeepPurpose:药物靶标相互作用预测的深度学习库

最新推荐文章于 2026-07-05 18:32:32 发布

原创

最新推荐文章于 2026-07-05 18:32:32 发布 · 1.1w 阅读

本篇推文引自：DeepPurpose: a deep learning library for drug–target interaction prediction

1. 摘要

准确预测药物靶点相互作用(DTI)是药物发现的关键。近年来，深度学习(DL)模型在DTI预测方面表现出了良好的性能。然而，这些模型对于进入生物医学领域的计算机科学家和缺乏DL经验的生物信息学家来说都很难使用。我们提出了DeepPurpose，一个全面且易于使用的DTI预测DL库。DeepPurpose通过实现15个化合物和蛋白质编码器以及50多个神经结构来支持定制的DTI预测模型的训练，同时还提供了许多其他有用的特性。我们演示了DeepPurpose在几个基准数据集上的最新性能。

2. 介绍

药物-靶标相互作用(DTI)用于描述化合物与蛋白靶标的结合(Santos等，2017)。准确识别药物分子靶点是药物发现和开发的基础(Rutkowska et al.， 2016;Zitnik等人，2019年)，并且对于有效和安全的治疗新病原体也很重要，包括SARS-CoV-2 (Velavan和Meyer, 2020年)。

深度学习(DL)在识别、处理和推断分子数据中的复杂模式方面提供了增强的表达能力，从而提高了化合物的传统计算建模(Lee等人，2019年;O¨ztu¨rk等人，2018年)。有许多用于DTI预测的DL模型(Lee等人，2019;Nguyen等人，2020年;O¨ztu¨rk等人，2018年)。然而，要生成预测、在实践中部署DL模型、测试和评估模型性能，需要相当多的编程技能和广泛的生化知识。流行的工具是为有经验的跨学科研究人员设计的。它们对进入生物医学领域的计算机科学家和在培训和部署DL模型方面经验有限的领域生物信息学家来说都具有挑战性。此外，每个开源工具都有不同的编程接口，而且编码也不同，这就阻碍了对模型集成的各种方法的输出的简单集成(Yang et al.， 2019)。

在这里，我们介绍DeepPurpose，一个用于蛋白质和化合物编码和下游预测的DL库。DeepPurpos

标签