{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,7,4]]，“日期-时间”：“2024-07-04T03:21:50Z”，“时间戳”：1720063310456}，“参考-计数”：54，“出版商”：“牛津大学出版社（OUP）”，“问题”：“5”，“许可证”：[{“开始”：{:“日期-部分”：[2021,4,8]]，“时间“：”2021-04-08T00:00:00Z“，”时间戳“：161784000000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://ademicial.oup.com/journals\/pages\/open_access\/funder_policies//chorse\/standard_ppublication_model”}]，“funder”：[{“DOI”：“10.13039\/501100001809”，“name”：“中国自然科学基金会”，“DOI-asserted-by”：“publisher”，“award”：[“61832019”]}，{“名称”：“湖南省科学技术计划”，“奖项”：[“2019CB1007”]}，{“名称”：“湖南省学位与研究生教育改革项目”，“奖金”：[”2019JGYB051“]}、{“DOI”：“10.13039\/501100012226”，“姓名”：“中央高校基本科研业务费”，“DOI-asserted-by”：“publisher”，“奖励”：【”2282019SYLB004“]}]，“content-domain”：{“domain”：[]，“crossmark-restriction”：false}，“short-container-title”：[[]，“published-print”：{”date-parts“：[[2021,9,2]]}，”abstract“：”摘要<\/jats:title>配体和蛋白质之间的生物分子识别在药物研发中起着至关重要的作用。然而，通过实验测定蛋白\u2013配体结合亲和力是非常耗时和耗费资源的。目前，已经提出了许多预测结合亲和力的计算方法，其中大多数方法通常需要通常不可用的蛋白质3D结构。因此，迫切需要能够充分利用序列水平特征的新方法来预测蛋白质\u2013配体结合亲和力并加速药物发现过程。我们开发了一种新的深度学习方法，名为DeepDTAF，用于预测蛋白质\u2013配体结合亲和力。DeepDTAF是通过集成本地和全局上下文特征构建的。更具体地说，具有直接结合配体的一些特殊性质的蛋白结合囊被首次用作蛋白质\u2013配体结合亲和力预测的局部输入特征。此外，扩展卷积被用于捕获多尺度长程相互作用。我们将DeepDTAF与最新的先进方法进行了比较，并分析了模型不同部分的有效性，显著的准确性改进表明DeepDTAF是一种可靠的亲和力预测工具。资源代码和数据可在https:\/\/github.com/KailiWang1\/DepDTAF上获得<\/jats:p>“，”DOI“：”10.1093\/bib\/bbab072“，”type“：”期刊文章“，”created“：｛”日期部分“：[[2021,2,23]]，”日期时间“：”2021-02-23T12:14:31Z“，”时间戳“：1614082471000｝，”source“：”Crossref“，”被计数引用“：69，”title“：[”DeepDTAF:一种预测蛋白质\u2013配体结合亲和力的深度学习方法“]，”prefix“：”10.1093“，”volume“：”22“，”author“：[｛”given“：”凯里“，”家庭“：”王“，”sequence“：”first“，”affiliation“：[{“name”：”华中师范大学“}]}，{“given”：“仁义”，“family”：“Zhou”，“sequence”：“additional”，“affiliance”：[{name”：“China Central South University，Computer Science and Engineering”，“}]{”given：“耀行”，“家庭”：“Li”，“序列”：“附加”，“隶属关系：[｛“name”：“美国诺福克老多米尼克大学计算机科学系”｝]｝，｛“ORCID”：“http:\/\/ORCID.org/0000-0002-0188-1394”，“authenticated ORCID”：false，“given”：“Min”，“family”：“Li”，“sequence”：“additional”，“隶属关系”：[｛“name”：“中国中南大学计算机科学与工程学院”｝]，“member”：“286“，“published-online”：{“date-parts”：[[2021,4,8]]}，“reference”：[{“key”：“2021090815525262700_ref1”，“doi-asserted-by”：“crossref”，“first page”：”480“，“doi”：“10.1038\/nrd2829”，“article-title”：“炎症中的天然免疫蛋白激酶信号转导”，“volume”：发现“}，{”key“：”2021090815525262700_ref2“，”doi-asserted-by“：”crossref“，”first page“：“287”，”doi“：”10.1007\/9781-4939-2269-7_22“，“article-title”：“小分子靶点鉴定的药物亲和力应答靶点稳定性（DARTS）”，“volume”：“1263”，“author”：“Pai”，“year”：“2015”，“journal-title“：”Methods Mol Biol“}，{“key”：”202107081552562700_ref3“，”doi断言由“：”crossref“，”first page“：”59“，”doi“：”10.1186\/s13326-016 0102-0“，”文章标题“：”药物靶标纤细：使用基因本体论和基因本体论注释在ChEMBL中导航蛋白质配体靶标空间“，”卷“：”7“，”作者“：”Mutowo“，”年份“：”2016“，”期刊标题“：”J Biomed Semantics“}，｛”键“：”2021090815525262700_ref4“，”doi-asserted-by“：”crossref“，”first page“：”211“，“doi”：“10.1146 \/annurev.biophys.30.1.211”，“article-title”：“生物分子模拟：力场的最新发展，酶催化、蛋白-甘氨酸、蛋白-蛋白质和蛋白-核酸非共价相互作用的模拟”，“卷”：“30”，“作者”：“王”，“年份”：“2001”，“新闻标题”：“Annu Rev Biophys Biomol Struct“}，{”key“：”2021090815525262700_ref5“，”doi-asserted-by“：”crossref“，”first page“：“2”，“doi”：“10.1186\/1741-7007-10-2”，“article-title”：“双向信号转导中的蛋白质动力学和构象选择”，“volume”：“10”，“author”：“Nussinov”，“year”：“2012”，“journal-title“：”BMC Biol“}”，{“key”：”2021090815525262700_ref6“，”doi-asserted-by“：”crossref“，”first page“：”133“，“doi”：“10.1007 \/s10522-018-9744-x”，“article-title”：“将现有药物用于新AMPK激活剂以延长寿命：计算机辅助药物发现研究”，“volume”：“19”，“author”：“Mofidifar”，“year”：“2018”，“journal-title“：”Biogerontology“}，{“key”：”2021090815525262700_ref7“，”doi-asserted-by“：”crossref“，”first page“：”21“，”doi“：”10.1146\/annurev.biophys.36.040306.132550“，“article-title”：“计算蛋白质与糖的结合亲和力”，“volume”：“36”，“author”：“Gilson”，“year”：“2007”，“journal-title“：”Annul Rev biophys Biomol Struct“}，{“key”：”2021090855252627000_ref8“，”doi-asserted by“：”crossref“，”首页“：”268“，”DOI“：”10.1038\/nsb770“，”article-title“：”利用新变构结合位点抑制p38 MAP激酶“，”volume“：”9“，”author“：”Pargellis“，”year“：”2002“，”journal-title”：“Nat Struct Biol”}，{“key”：“2021090815525262700_ref9”，“first page”：”1“，”article-titel“：”高通量筛选（HTS）技术：在化学生物学中的应用”，“卷”：“1”，“作者”：“Inglese”，“年份”：“2008”，“期刊标题”：“威利化学生物百科全书”}，{“关键字”：“2021090815525262700_ref10”，“doi-asserted-by”：“crossref”，“首页”：“D464”，“doi”：“10.1093\/nar\/gky1004”，”“article-title”：“RCSB蛋白质数据库：支持基础生物学、生物医学、生物技术和能源研究和教育的生物大分子结构”，“卷”：“47”，“作者”：“伯利”，“年份”：“2019年”，“期刊标题”：“核酸研究”}，{“关键”：“2021090815525262700_ref11”，“doi-asserted-by”：“crossref”，《首页》：“905”，“doi”：“10.1038\/nprot.2016.051“，“article-title”：“计算蛋白\u2013配体对接和AutoDock套件的虚拟药物筛选”，“卷”：“11”，“作者”：“Forli”，“年份”：“2016”，“日志标题”：“Nat Protoc”}，{“密钥”：“2021090815525262700_ref12”，“doi-asserted-by”：“crossref”，“首页”：“W365”，”doi“10.1093\/nar\/gkx407”，“artice-title“：“HDOCK：基于混合策略的蛋白质\u2013protein and protein\u2013DNA\/RNA对接的网络服务器生物分子的分子动力学模拟”，“卷”：“9”，“作者”：“Karplus”，“年份”：“2002”，“期刊标题”：“Nat Struct Biol”}，{“关键字”：“2021090815525262700_ref14”，“doi-asserted-by”：“crossref”，“doi”：“10.1371 \/journal.pcbi.1005678”，“文章标题”：药物-靶点相互作用映射的计算实验方法：激酶抑制剂案例研究”，“卷”：“13”，“作者”：“Cichonska”，“年份”：“2017年”，“期刊标题”：“PLoS Compute Biol”}，{“关键”：“2021090815525262700_ref15”，“doi-asserted-by”：“crossref”，“首页”：“3399”，“doi”：“10.1021\/ci400219z”，“article-title”：“使用概率矩阵分解预测药物-靶点相互作用“，“volume”：“53”，“author”：“Cobanoglu”，“year”：“2013”，“journal-title”：“J Chem Inf Model”}，{“key”：”2021090815525262700_ref16“，“doi-asserted-by”：“crossref”，”first page“：”1“，”doi“10.1016\/J.aca.2012.09.021”，“article-title“：”使用蛋白质序列和药物拓扑结构对药物-靶点相互作用进行大规模预测”，“卷”：“752”，“作者”：“Cao”，“年份”：“2012年”，“期刊标题”：“Ana Chim Acta”}，{“关键”：“2021090815525262700_ref17”，“doi-asserted-by”：“crossref”，“首页”：“669”，“doi”：“10.1002 \/minf.201400009”，“article-title”：“使用化学、生物和网络特征计算药物靶点相互作用预测”，“卷”：“33”，“作者”：“Cao”，“年份”：“2014”，“期刊标题”：“Mol Inform”}，{“关键”：“2021090815525262700_ref18”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/TCBB.2021.3050102”，“文章标题”：DPCMNE：通过多层网络嵌入从蛋白质相互作用网络中检测蛋白质复合物“，”author“：”Meng“，”year“：”2021“，”journal-title“：”IEEE\/ACM Trans-Comput Biol Bioinform“}，{“key”：“2021090815525262700_ref19”，“doi-asserted-by”：“crossref”，“first-page”：“3666”，“doi”：“10.1093\/生物信息学\/bty374”，“article-title”：“蛋白质-甘氨酸结合亲和力预测深度学习模型的开发与评估”，“卷”：“34”，“作者”：“Stepniewska-Dziubinska”，“年份”：“2018”，“期刊标题”：“生物信息学”}，{“关键”：“2021090815525262700_ref20”，“doi-asserted-by”：“出版商”，“文章标题”：通过深度学习模型提高蛋白质-甘氨酸结合亲和力预测的准确性：基准和模型”，“作者”：“Rezaei”，“期刊标题”：“ChemRxiv”，“DOI”：“10.26434\/ChemRxiv.9866912.v9866911”}，{“key”：“2021090815525262700_ref21”，“DOI-asserted-by”：“crossref”，”DOI：“10.1371\/journal.pcbi.1005690”，“article-title”：“拓扑网络：用于生物分子特性预测的基于拓扑的深度卷积和多任务神经网络”，“卷”：“13”，“作者”：“仓”，“年份”：“2017年”，“期刊标题”：“PLoS计算生物学”}，{“关键”：“2021090815525262700_ref22”，“doi-asserted-by”：“crossref”，“首页”：“308”，“doi”：“10.1016\/j.cels.2020.03.002”，“文章标题”：MONN：预测化合物-蛋白质相互作用和亲和力的多目标神经网络”，“卷”：“10”，“作者”：“李”，“年份”：“2020”，“期刊标题”：“细胞系统”}，{“关键”：“2021090815525262700_ref23”，“doi-asserted-by”：“crossref”，“首页”：“i821”，“doi”：“10.1093”，“生物信息学”，“article-title”：“深度药物靶点结合亲和力预测”，“卷”：“34”，“作者”：“\u00d6zt\u00fcrk”，“年份”：“2018”，“期刊标题”：“生物信息学”}，{“关键词”：“2021090815525262700_ref24”，“文章标题”：”宽DTA：药物靶点亲和力预测“，“作者“：：“crossref”，“首页“：”302“，”DOI“：”10.1021\/acs.accounts.6b00491“，”article-title“：”为开发蛋白质-甘氨酸相互作用评分功能奠定基础“，”volume“：”50“，”author“：”Liu“，”year“：”2017“，”journal-title”：“Acc-Chem Res”}，{“key”：“2021090815525262700_ref26”，“DOI-asserted-by”：“crossref”，“DOI”：“10.1021\\/acs.jcim.9b00686“，”文章标题“：”CANDOCK：基于化学原子网络的分层柔性对接算法，使用广义统计势”，“author”：“Fine”，“year”：“2020”，“journal-title”：“J Chem Inf Model”}，{“key”：“2021090815525262700_ref27”，“doi-asserted-by”：“crossref”，“first page”：”2739“doi”：“10.1002\/jcc.26050”，“article-title“：”Galaxy dock 3:考虑全配体构象灵活性的蛋白质-配体对接“，”volume“：”40“，”author“：”Yang“，”year“：”2019“，”journal-title“：”J Compute Chem“}，{”key“：“2021090815525262700_ref28”，”doi-asserted-by“：”crossref“，”doi“：”10.1371 \/journal.pone.0082138“，“article-title”：“SSW库：用于基因组应用的SIMD smith-waterman C/C++库”，“卷”：“8”，“作者”：“Zhao”，“年份”：“2013”，“期刊标题”：“PLoS ONE”}，{“密钥”：“2021090815525262700_ref29”，“doi-asserted-by”：“crossref”，“首页”：“716”，“doi”：“10.1006”，jmbi.1993.1548”，《文章标题》：“序列比较的结构基础-评分方法评估”，“卷”：“233”，“作者”：“约翰逊”，“年份”：“1993”，“期刊标题”：“分子生物学杂志”}，{“关键词”：“2021090815525262700_ref30”，“doi-asserted-by”：“crossref”，“首页”：“349”，“doi”：“10.1093\/生物信息学\/17.4.349”，“文章标题”：使用支持向量机和神经网络的多类蛋白质折叠识别”，“卷”：“17”，“作者”：“丁”，“年份”：“2001”，“期刊标题”：“生物信息学”}，{“关键字”：“2021090815525262700_ref31”，“doi-asserted-by”：“crossref”，“首页”：“31”，”doi“：”10.1021\/ci00057a005“，”article-title“：”SMILES，一个化学语言和信息系统。方法论和编码规则简介”，“卷”：“28”，“作者”：“魏宁格”，“年份”：“1988”，“期刊标题”：“化学信息与计算科学杂志”}，{“键”：“2021090815525262700_ref32”，“doi-asserted-by”：“crossref”，“首页”：“33”，“doi”：“10.1186\/1758-2946-33”，“文章标题”：”开放babel：开放化学工具箱“，卷”：”3“作者”“O'Boyle”，“年份”：“2011年“，”journal-title“：”J Chem“}，{“key”：“2021090815525262700_ref33”，“doi-asserted-by”：“crossref”，“first page”：”W430“，”doi“：”10.1093\/nar\/gkw306“，”article-title”：“Raptor X-property：用于蛋白质结构属性预测的web服务器”，“volume”:“44”，“author”：“Wang”，“year”：“2016”，“journal-title”“：”Nucleic Acids Res“}”，{”key“：“”2021090815525262700_ref34“，”doi-asserted-by“：”crossref“，”first page“：”W72“，”doi“：”10.1093\/nar\/gki396“，”article-title“：”SCRATCH:一个蛋白质结构和结构特征预测服务器“，”volume“：“33”，”author“：”Cheng“，”year“2005”，”journal-title”：“核酸研究”}，{“key”：“20210908255252627000_ref35”，“”doi-sserted-by”：“cross参考“，”首页“：”78“，”DOI“：”10.1109\/MSP.2004.1296545“，”article-title“：”蛋白质二级结构表征“，”volume“：”21“，”author“：”Ganapathiraju“，”year“：”2004“，”journal-title”：“IEEE Signal Process Mag”}，{“key”：“2021090815525262700_ref36”，“DOI-asserted-by”：“crossref”，“first-page”：“i735”，“DOI”：“10.1093\/生物信息学“，”article-title“：”PROBselect:通过动态预测因子选择准确预测蛋白质序列中的蛋白结合残基“，“volume”：“36”，“author”：“Zhang”，“year”：“2020”，“journal-title”：“Bioinformatics”}，{“key”：”2021090815525262700_ref37“，”doi-asserted-by“：”crossref“，”first page“：”2592“，”doi“：”10.1093\/生物信息学\/btu352“，”article-title“：”SSpro\/ACCpro 5:使用轮廓、机器学习和结构相似性对蛋白质二级结构和相对溶剂可及性进行近乎完美的预测“，“卷”：“30”，“作者”：“Magnan”，“年份”：“2014”，“期刊标题”：“生物信息学”}，{“关键字”：“2021090815525262700_ref38”，“doi-asserted-by”：“crossref”，“首页”：“2577”，“DOI”：“10.1002\/bip.360221211”，“文章标题”：“蛋白质二级结构词典：氢键和几何特征的模式识别”，“卷”：“22”，“作者”：“Kabsch”，“年”：“1983”，“期刊标题”：“生物聚合物”}，｛“键”：“2021090815525262700_ref39”，“DOI断言者”：“crossref”，“首页”：“3647”，“DOI”：“10.1080\/01483918708077820“，“文章标题”：“氨基酸在新溶剂中的拆分和碱土金属的作用”，“卷”：“10”，“作者”：“Bhushan”，“年份”：“1987”，“期刊标题”：《J Liq色谱仪相关技术》}，{“键”：“2021090815525262700_ref40”，“doi-asserted-by”：“交叉参考”，“首页”：“277”，“doi”：“10.1186\/s12859-017-1700-2”，“文章标题“：“使用深度学习算法对蛋白质-蛋白质相互作用进行基于序列的预测”，“卷”：“18”，“作者”：“Sun”，“年份”：“2017”，“期刊标题”：“BMC生物信息学”}，｛“键”：“20210908155252627700_ref41”，“doi断言”：“crossref”，“首页”：“4337”，“doi”：“10.1073\/pnas.607879104”，“文章标题”：“仅基于序列信息预测蛋白质相互作用“，“volume”：“104”，“author”：“Shen”，“year”：“2007”，“journal-title”：“Proc Natl Acad Sci U S A”}，{“key”：”2021090815525262700_ref42“，”doi-asserted-by“：”crossref“，”first page“：”1326“，”doi“：”10.1073\/pnas.1016793108“，”article-title“：”配体与蛋白质结合囊袋的结合（带湿区和干区），“卷”：“108”，“作者”：“王”，“年份”：“2010”，“期刊标题”：“国家科学院”}，{“关键”：“2021090815525262700_ref43”，“doi-asserted-by”：“crossref”，“首页”：“1114”，“doi”：“10.1093\/生物信息学\/btz699”，“文章标题”：通过将局部和全局特征与深度神经网络相结合来预测蛋白质-蛋白质相互作用位点”，“卷”：“36”，“作者”：“曾”，“年份”：“2020”，“期刊标题”：“生物信息学”}，{“关键”：“2021090815525262700_ref44”，“文章标题”：“通过扩张卷积进行多尺度上下文聚合”，“作者”：“余”，“年份”：“2015”}，{“关键”：“2021090815525262700_ref45“，”doi-asserted-by“：”crossref“，”first page“：”1“，”doi“：”10.1016\/j.neunet.2015.07.007“，”article-title“：”Gu X.走向卷积神经网络的辍学训练“，”volume“：结合L1正则化和PRelu激活函数的深度卷积神经网络图像检索研究”，“卷”：“69”，“作者”：“魏”，“年份”：“2017”，“期刊标题”：“IOP会议系列：地球与环境科学”}，{“关键”：“2021090815525262700_ref47”，“文章标题”：Loshchilov”，“年份”：“2017年”}，{“key”：“2021090815525262700_ref48”，“首页”：“155”，“文章标题”：“对称和非对称环磺胺HIV-1蛋白酶抑制剂的合成和比较分子场分析（CoMFA）”，“volume-title”：“J Med Chem”，“author”：“Schaal”，“year”：“2001”}crossref“，”first-page“：”2778“，”DOI“：”10.1021\/ci200227u“，”article-title“：”LigPlot+：药物发现的多配体-蛋白质相互作用图“，”volume“：”51“，”author“：”Laskowski“，”year“：”2011“，”journal-title”：“J Chem Inf Model”}，{“key”：“2021090815525262700_ref50”，“first-page:”1“，”article-title“：”Pearson相关系数“，”volume“:”2“，”author“：”Benesty“，”year“：”2009“，”journal-title“：”语音处理中的降噪“}，{“key”：”2021090815525262700_ref51“，”first page“：”S23“，”article-title”：“评估分析精密度”，“volume”：“29”，“author”：“Chesher”，“year”：“2008”，“journal-title”:“Clin Biochem Rev”}，”{“key”：“2021090855252627000_ref52”，“doi-asserted-by”：“crossref”，”首页“：”965“，”DOI“：”10.1093\/biomet\/92.4.965“，”article-title“：”比例风险回归中的一致概率和判别能力“，”volume“：”92“，”author“：”G\u00f6nen“，”year“：”2005“，”journal-title”：“Biometrika”}，{“key”：“2021090815525262700_ref53”，“DOI-asserted-by”：“crossref”，“first page”：”325“，“DOI”：“10.1093//bib\/bbu010“，”文章标题“：”走向更现实的药物-靶点相互作用预测”，“卷”：“16”，“作者”：“Pahikkala”，“年份”：“2015”，“新闻标题”：“简要生物信息”}，{“关键”：“2021090815525262700_ref54”，“doi-asserted-by”：“crossref”，“首页”：“363”，“doi”：“10.1021\/ja021111w”，“文章标题”：乙酰胆碱酯酶与石杉碱a相关的二价配体络合：物种依赖性蛋白-糖互补性的实验证据“，“卷”：“125”，“作者”：“Wong”，“年份”：“2003”，“期刊标题”：“美国化学学会杂志”}]，“容器标题”：[“生物信息学简报”]，“原文标题”：[]，“语言”：“en”，“链接”：[{“URL”：“http://\/actical.oup.com/bib\/article-pdf\/22\/5\/bbab072\/40261745\/bbab 072.pdf“，”content-type“：”application\/pdf“，”content-version“：”vor“，”intended-application“：”syndication“}，{”URL“：”http://\/accessional.oup.com\/bbib\-article-pdf\/22\/5\/bba 072\/40261745\/bba 0.72.pdf”，“content-t”type“：”unspecified“，”content-version“：”vor“，”intended-application“：”相似性检查“}”，“存放”：{“日期-部分”：[[2023,10,21]]，“日期-时间”：“2023-10-21T20:08:15Z”，“时间戳”：1697918895000}，“分数”：1，“资源“：{”主要“：{“URL”：“https://\\学术.oup.com/bib\/article\/doi\/10.1093\/bbib\/bbab072\/6214647”}}}，”副标题“：[]，”短标题“：[]，“已发布”：{“date-parts”：[[2021,4,8]]}，“references-count”：54，“新闻发布“：{”问题“：“5”，“发布-打印”：{“日期-部分”：[[2021,9,2]}}，“URL”：“http://\/dx.doi.org\/10.1093\/bab072”，“关系”：{}，”ISSN“：[”1467-5463“，”1477-4054“]，“ISSN-type”：[{“value”：“1467-5463'，”type“：”print“}，{“值”：“1477-40544”，“键入“：”电子“}]，“主题”：[]，“published-other”：{“date-parts”：[[2021,9]]}，“publish”（发布）：{日期部分“：[[2021,4,8]}}}