探索化合物和蛋白质靶标的生物医学相互作用对于药物发现至关重要

探索化合物和蛋白质靶标的生物医学相互作用对于药物发现至关重要。确定这些相互作用(DDI/DTI)不仅揭示药物组合的潜在协同效应并提高药物疗效，而且有助于药物重复使用，降低药物开发成本，提高药物开发效率。因此，预测药物与药物靶点之间的相互作用是药物发现领域的一个重要课题。

最近，Quantitative Biology 发表了题为“DeepDrug：用于药物-药物相互作用和药物-靶点相互作用预测的通用基于图的深度学习框架”的方法，该方法表明 DeepDrug 学习了药物和蛋白质的全面的基于结构和序列的表示，通过利用残差图卷积网络和卷积网络，在一系列任务中实现最佳性能。

DeepDrug(图 1)通过结合序列特征和结构特征，分别利用卷积模块和残差图卷积子模块来预测药物/靶点相互作用。DeepDrug 在一系列系统实验中优于最先进的方法，包括二元类 DDI、多类/多标签 DDI、二元类 DTI 分类和 DTI 回归任务。此外，DeepDrug 学习到的结构特征在化学性质和药物类别方面显示出兼容且一​​致的模式，为支持 DeepDrug 强大的预测能力提供了额外的证据。作为一项应用，DeepDrug 用于发现针对 SARS-CoV-2 的潜在候选药物，相关文献中报道了十分之七的排名靠前的药物。

版权声明：本文由用户上传，如有侵权请联系删除！