GNN-PT: 通过整合蛋白质变形器增强化合物-蛋白质相互作用的预测
摘要：蛋白质相互作用的预测对于药物发现中的基于计算的筛选步骤至关重要。最近，许多使用深度神经网络的端到端表示学习方法在性能上显著优于传统机器学习算法。大部分努力都集中在化合物表示或从化合物-蛋白质相互作用中提取信息，通过利用神经注意机制来改进模型能力。然而，以前的研究很少关注表示蛋白质序列，在这些序列中，残基对的长程相互作用对于描述由蛋白质折叠产生的结构性质至关重要。我们将自注意机制引入到蛋白质表示模块中，以用于CPI模型的建模，旨在捕捉蛋白质内的长程相互作用信息。所提出的蛋白质表示模块，称为蛋白质变换器，在与现有CPI模型的整合中，在与几种现有CPI模型进行比较时，显示出显着的预测性能提升。
作者：Jingtao Wang, Xi Li, and Hua Zhang
论文ID：2009.00805
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2020-11-30