GraphDTA: 利用图神经网络预测药物靶标结合亲和力
发布时间
阅读量：
阅读量
GraphDTA：用图神经网络预测药物-靶点结合亲和力
| 论文题目 | GraphDTA: Predicting drug–target binding affinity with graph neural networks |
|---|---|
| 论文出自 | bioRxiv preprint，2020 |
通过图神经网络技术对药物与靶标之间的亲和力进行预测，将药物结构转化为分子图形式，从而使得模型能够直接获取并分析原子间的连接关系。
文章结构概览
- 基于图神经网络的GraphDTA方法：用于预测药物与靶点之间的结合亲和力
-
-
-
- 一、GraphDTA模型结构图： * 二、实验结果？
-
-
-
一、GraphDTA模型图：
将药物-靶标对作为输入信息，并以该对的结合能力作为输出结果。
整个过程分为三个阶段进行：
-
通过RDKit将药物的SMILES结构转化为分子图形式，并利用深度学习模型对药物特征进行学习。
-
对蛋白质序列进行编码与嵌入处理，随后采用多个一维卷积层来获取**序列特征
全部评论 (0)
还没有任何评论哟~