计算机应用

作者：张家豪, 王琪, 刘明铭, 王晓峰, 黄彪, 刘盼, 叶至

单位：南开大学 软件学院，天津 300350

关键词：药物-靶标相互作用预测,变分自编码器,异构图注意力网络,多视角网络,注意力机制

基金：天津自然科学基金资助项目(22JCYBJC01020)

识别药物-靶标相互作用（DTI）是药物再利用和创新药物发现中不可或缺的关键步骤，目前已经有许多基于序列的计算方法被广泛应用于DTI预测；然而，在以往的基于序列的研究中，特征提取通常只关注序列本身，忽视了异构信息网络，如药物-药物相互作用网络、药物-靶标相互作用网络等。因此，提出一种基于序列和多视角网络进行DTI预测的新方法SMN-DTI（prediction of Drug-Target Interactions based on Sequence and Multi-view Networks）。该方法使用变分自编码器（VAE）学习药物SMILES（Simplified Molecular-Input Line-Entry System）字符串和靶标氨基酸序列的嵌入矩阵；随后，利用具有两级注意力机制的异构图注意力网络（HAN）从节点和语义2个视角的网络中聚集来自药物或靶标的不同邻居的信息，并得到最终的嵌入。在2个广泛用于DTI预测的基准数据集Hetero-seq-A和Hetero-seq-B上对SMN-DTI和基准方法进行评估的结果表明，在3种不同正负样本比例下SMN-DTI均取得了最优的特征曲线下面积（AUC）和精确召回曲线下面积（AUPR）。可见，SMN-DTI比目前主流的先进预测方法具有更好的性能。

来源：2025年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第11期