검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

MolHF: Molecular Heterogeneous Attributes Fusion for Drug-Target Affinity Prediction on Heterogeneity MolHF: 이질성에 대한 약물-표적 친화도 예측을 위한 분자 이질적 특성 융합

Runze WANG, Zehua ZHANG, Yueqin ZHANG, Zhongyuan JIANG, Shilin SUN, Guixiang MA

  • 조회수

    2

  • 이것을 인용

요약 :

AlphaFold와 같은 단백질 구조 예측에 대한 최근 연구를 통해 DTA(Drug-Target Affinity) 작업에 대한 깊은 관심을 얻을 수 있는 딥 러닝이 가능해졌습니다. 대부분의 작업은 분자 및 상호 작용에 포함된 다양한 이종 정보 이득을 무시하고 단일 분자 속성 및 동종 정보를 포함하는 데 전념합니다. 이에 동기를 부여하여 이질성에 대한 DTA 예측을 위한 Molecular Heterogeneous features Fusion(MolHF)을 수행하기 위한 end-to-end 딥러닝 프레임워크를 제안합니다. 생화학적 속성이 서로 다른 이질적인 공간에 있는 문제를 해결하기 위해 다중 전략 학습을 통해 분자 이질적 정보 학습 모듈을 설계합니다. 특히, Molecular Heterogeneous Attention Fusion 모듈은 분자 이질적 특징의 이득을 얻기 위해 존재합니다. 이를 통해 약물에 대한 다양한 분자 구조 정보를 추출할 수 있습니다. 두 개의 벤치마크 데이터 세트에 대한 광범위한 실험은 우리의 방법이 네 가지 메트릭 모두에서 기준선을 능가한다는 것을 보여줍니다. 절제 연구는 세심한 융합 및 다중 그룹의 약물 이질적 특징의 효과를 검증합니다. 시각적 프레젠테이션은 단백질 임베딩 수준의 영향과 피팅 데이터의 모델 능력을 보여줍니다. 요약하면, 이질적인 정보가 가져오는 다양한 이득은 약물-표적 친화성 예측에 기여합니다.

발행
IEICE TRANSACTIONS on Information Vol.E106-D No.5 pp.697-706
발행일
2023/05/01
공개일
2022/05/31
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2022DLP0023
원고의 종류
Special Section PAPER (Special Section on Deep Learning Technologies: Architecture, Optimization, Techniques, and Applications)
범주
스마트 헬스 케어

작성자

Runze WANG
  Taiyuan University of Technology
Zehua ZHANG
  Taiyuan University of Technology
Yueqin ZHANG
  Taiyuan University of Technology
Zhongyuan JIANG
  Xidian University
Shilin SUN
  Taiyuan University of Technology
Guixiang MA
  University of Illinois at Chicago

키워드