学术速运|MFR-DTA：一个预测药物-靶点结合亲和力和区域的多功能模型

题目：MFR-DTA: A Multi-Functional and Robust Model for Predicting Drug-Target Binding Affinity and Region

文献来源: DOI: 10.1093/bioinformatics/btad056

代码：https://github.com/JU-HuaY/MFR

简介：近年来，深度学习已经成为药物-靶点结合亲和力（DTA）预测的主流方法。然而，现有方法的两个缺陷限制了它们的实际应用。一方面，现有方法忽略了序列元素的单个信息，导致序列特征表示较差。另一方面，在没有事先的生物学知识的情况下，基于深度神经网络的注意权重来预测药物-靶点结合区域可能很难验证，这可能会给生物学研究者带来不利的干扰。作者提出了一种新的多功能和稳健的药物-靶点结合亲和预测（MFRDTA）方法来解决上述问题。具体来说，我们设计了一个新的生物序列特征提取块，即BioMLP，它帮助模型提取序列元素的单个特征。然后，作者提出了一种新的elem-特征融合块来细化提取的特征。之后，作者构建了一个混合解码器块，提取药物-靶点相互作用信息，并同时预测它们的结合区域。最后，作者在两个与现有方法一致的基准测试上评估了MFR-DTA，并提出了一个新的数据集，sc-PDB，以更好地衡量绑定区域预测的准确性。作者还可视化了一些样本，以展示其结合位点的位置和预测的多尺度相互作用区域。

主要内容：

-------------------------------------------

欢迎点赞收藏转发！

下次见！