计算机应用

作者：王润泽, 张月琴, 秦琪琦, 张泽华, 郭旭敏

单位：1.太原理工大学 信息与计算机学院，太原 030600；2.山西青年职业学院 计算机与信息工程系，太原 030032

关键词：药物-靶标亲和力预测,多注意力分子特征融合,多视角分子结构嵌入,分子特征层级,注意力机制

基金：国家自然科学基金资助项目(61702356);教育部产学合作协同育人项目;山西省回国留学人员科研资助项目

近期深度学习在药物-靶标亲和力（DTA）任务上受到极大关注，然而现有工作多将分子单一结构嵌入为向量，忽略了多视角融合分子特征对最终特征表示提供的信息增益。针对单一结构分子存在特征不完备性的问题，提出了一种基于注意力融合多视角分子特征的预测DTA的端到端深度学习方法，其核心模块为多视角分子结构嵌入（Mas）和多注意力特征融合（Mat）。首先，使用Mas模块将多视角分子结构嵌入到特征向量空间；然后，通过Mat模块融入分子特征层级的注意力机制，从而对不同视角的分子特征进行加权融合；其次，根据药物-靶标相互作用（DTI）执行两者特征级联；最后，利用全连接神经网络回归预测亲和力。在Davis和KIBA数据集上的实验验证了训练比率、多视角特征融入、多注意力融合、以及相关参数对亲和力预测性能的影响。与GraphDTA方法相比，所提方法的均方误差（MSE）在Davis和KIBA两个数据集上分别降低了4.8%和6%。实验结果表明，注意力融合多视角分子特征能够捕获对蛋白质靶位上链接的相关性更高的分子特征。

来源：2022年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第1期