{“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”：[[2024,4,14]]，“日期-时间”：“2024-04-14T00:56:28Z”，“时间戳”：1713056188768}，“参考-计数”：48，“出版商”：“牛津大学出版社（OUP）”，“问题”：“4”，“许可证”：[{“开始”：}“日期-零件”：[2022,7,5]]，“时间”：“2022-07-05T00:00:00Z”，“时间戳”：1656979200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2022,7,18]]}，‘abstract’：”摘要<\/jats:title>\n预测药物与靶点的相互作用对于药物发现和药物再利用至关重要。机器学习常用于药物靶点亲和力（DTA）问题。然而，机器学习模型面临着一个冷启动问题，即在预测新药物或靶点的相互作用时，模型性能下降。以往的研究试图通过非监督学习来学习药物或靶点表征来解决冷启动问题。虽然药物或靶点表征可以在无监督的情况下学习，但它仍然缺乏交互信息，而交互信息在药物-靶点交互中至关重要。为了将相互作用信息纳入药物与蛋白质的相互作用中，我们建议使用从化学相互作用（CCI）和蛋白质相互作用（PPI）任务到药物靶点相互作用任务的转移学习。由于任务的性质相似，CCI和PPI任务学习的表示可以顺利地传递到DTA任务。在DTA数据集上的结果表明，与DTA任务中的其他预训练方法相比，我们提出的方法具有优势<\/jats:p>“，”DOI“：”10.1093\/bib\/bbac269“，”type“：”journal-article“，”created“：{”date-parts“：[2022,7,5]]，”date-time“：”2022-07-05T05:37:14Z“，”timestamp“：1656999434000}，”source“：卷“：”23“，”作者“：[{”给定“：”Tri Minh“，”家庭“：”Nguyen“，”sequence“：”first“，”affiliation“：”澳大利亚维多利亚州迪肯大学应用人工智能研究所“}]}，{”给出“：”Thin“，”family“：”Nuyen“澳大利亚维多利亚州迪肯大学应用人工智能研究所“}]}，{“given”：“Truyen”，“family”：“Trans”，“sequence”：“additional”，“affiliation”：[{“name”：“澳大利亚维多利亚州迪肯大学应用智能研究所”}]}]，“member”：“286”，“published-on-line”：{“date-parts”：[2022,7,5]]}、“reference”：[}“key”：2022080510190434100_ref1“，”doi-asserted-by“：”crossref“，”first page“：”103547“，”doi“：”10.1016\/j.jbi.2020.103547”，“article-title”：“可解释药物靶点相互作用预测的多视图自关注”，“volume”：“110”，“author”：“Agyemang”，“year”：“2020”，“journal-title“：”j Biomed Inform“}，{“issue”：“9”，“key”：”20220805101 90434100 _ref2“，”doi-asserted-by“：”crossref“，”first page“：”1102“，”doi“：”10.1016\/j.chembiol.2014.09.001“，”article-title“：”蛋白质相互作用的小分子抑制剂：“走向现实”，“volume”：“21”，“author”：“Arkin”，“year”：“2014”，“journal-title”：“Chem-Biol”}，{“key”：语音处理中的降噪”，“作者”：“Benesty”，“年份”：“2009”}，{“问题”：“9\u201310”，“关键”：“2022080510190434100_ref4”，“首页”：“955”，“文章标题”：“受体激活和细胞内信号传递中的蛋白质-蛋白质相互作用”，“卷”：“381”，“作家”：“Blundell”，“年”：“2000”，“期刊标题”：《生物化学》}，}“问题“1467”，“重点”：“2022080510190434100_ref5“，”doi-asserted-by“：”crossref“，”first page“：”413“，”doi“：”10.1098\/rstb.2005.1800“，”article-title“：”药物设计中的结构生物学和生物信息学：“靶点识别和先导发现的机遇和挑战”，“volume”：“361”，“author”：“Blundell”，“year”：“2006”，“journal-title”：“”Philos Trans R Soc Lond B Biol Sci“}，{“问题”：“30”，“关键”：“2022080510190434100_ref6”，“doi-asserted-by”：“crossref”，“首页”：“4679”，“doi”：“10.2174\/138161212802651634”，“文章标题”：“蛋白质相互作用的小分子抑制剂：如何模拟蛋白质伙伴”，“卷”：“18”，“作者”：“Fry”，“年份”：“2012”，“日志标题”：Curr Pharm Des“}，{“issue”：“6”，“key”：“2022080510190434100_ref7”，“article-title”：“利用化学-化学相互作用和化学结构识别与肺癌相关的新候选化学物”，“volume”：”10“，“author”：“Chen”，“year”：“2015”，“journal-title“：”Plos One“}”，{ChemBERTa：用于分子性质预测的大规模自我监督预处理”，“volume-title”：“分子车间的机器学习，NeurIPS”，“author”：“Chithrananda”，“year”：“2020”}，{“issue”：“8”，“key”：“2022080510190434100_ref9”，“doi-asserted-by”：“crossref”，“doi”：“10.1371”\/journal.pcbi.1005678”，“article-title“：”药物靶点相互作用映射的计算实验方法：激酶抑制剂的案例研究”，“卷”：“13”，“作者”：“Cichonska”，“年份”：“2017”，“期刊标题”：“PLoS Comput Biol”}，｛“问题”：“17”，“关键”：“2022080510190434100_ref10”，“doi断言”：“crossref”，“首页”：“2580”，“doi”：“10.1093\/生物信息学\/btab154”，“文章标题”：“通过几何深度学习预测蛋白质相互作用界面区域”，“卷”：“37”，“作者”：“戴”，“年份”：“2021”，“期刊标题”：“生物信息学”}，{“问题”：“11”，“关键”：“2020 2080510190434100_ref11”，”doi-asserted-by“：”crossref“，”first page“：”1046“，”doi“：”10.1038\/nbt.1990“，”artic-title“：”激酶抑制剂选择性的综合分析“，”volume“：”29“，”author“：”Davis“，”year“：”2011“，”journal-title“：”Nat Biotechsol“}，{“key”：“2022080510190434100_ref12”，“first-page”：“4171”，“volume-title”：“计算语言学协会北美分会2019年会议记录：人类语言技术”，“author”：“Devlin”，“year”：“2019”}，}“issue”：“D1”，”key“：“”2022080510190434100_ref13“，”doi-asserted-by“：”crossref“，”first page“：”D427“，”doi“：”10.1093\/nar\/gky995“，”article-title“：”2019年的Pfam蛋白家族数据库“，”volume“：“47”，“author”：“El-Gebali”，“year”：“2019”，“journal-title”：“Nucleic Acids Res”}，{“issue”：“8”，“key”：“20220805101 90434100 _ref14”，“doi-asserted-by“：”crossref“，”首页“：”1“，”DOI“：”10.1109\/TPAMI.2021.3095381“，”article-title“：”ProtTrans:通过自主深入学习和高性能计算破解生活语言代码“，”volume“：”14“，”author“：”Elnaggar“，”year“：”2021“，“journal-title”：“IEEE Trans-Pattern Ana Mach Intell”}，{“key”：“2022080510190434100_ref15”，“DOI-asserted-by”：“crossref”，“首页“：”93“，”DOI“：”10.1007\/9781-4939-2425-7_6“，”article-title“：”药物发现的靶向蛋白-蛋白质相互作用“，”volume“：”1278“，”author“：”Fry“，”year“：”2015“，”journal title“：“Methods Mol Biol（Clifton，NJ）”}，{“issue”：“10”，“key”：“2022080510190434100_ref16”，“DOI-asserted-by”：“crossref”，“first page”：”3784“，“内政部”：“10.1073\/pnas.1117768109“，”article-title“：“蛋白质界面周围配体结合囊的分布表明囊形成的一般机制”，“volume”：“109”，“author”：“Gao”，“year”：“2012”，“journal-title”：“Proc Natl Acad Sci U S a”}，{“issue”：“D1”，”key“2022080510190434100_ref17”，“doi-asserted-by”：“crossref”，《首页》：“D1045“，”DOI“：”10.1093\/nar\/gkv1072“，”article-title“：”BindingDB in 2015：药物化学、计算化学和系统药理学的公共数据库“，”volume“：”44“，”author“：”Gilson“，”year“：”2016“，”journal-title”：“核酸研究”}，{“issue”：“4”，“key”：“2022080510190434100_ref18”，“DOI-asserted-by”：“crossref”，“first page”：”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”}，{“issue”：“9”，“key”：“2022080510190434100_ref19”，“DOI-asserted-by”：“crossref”，“first page”：”727“，”DOI“”：“10.1038\/nrd 892英寸article-title“：“可用药基因组”，“volume”：“1”，“author”：“Hopkins”，“year”：“2002”，“journal-title”：“Nat Rev Drug Discov”}，{“key”：《2022080510190434100_ref20》，“volum-title》：“The International Conference on Learning Representations”，“作者”：“Weihua”，“年份”：“2020”}“，”首页“：”20701“，”DOI“：”10.1039\/D0RA02297G“，”article-title“：”使用图形神经网络和联系图预测药物靶向亲和力“，”volume“：”10“，”author“：”Jiang“，”year“：”2020“，”journal-title”：“RSC Adv”}，{“issue”：“1”，“key”：“2022080510190434100_ref22”，“DOI-asserted-by”：“crossref”，“first-page:”13“，”DOI“：“10.1073\/pnas.93.1.13“，”article-title“：“蛋白质相互作用原理”，“卷”：“93”，“作者”：“琼斯”，“年份”：“1996”，“期刊标题”：“国家科学院学报”}，{“期刊”：“7873”，“关键词”：“2022080510190434100_ref23”，“doi-asserted-by”：“crossref”，“首页”：“583”，“doi”：“10.1038\/s41586-021-03819-2”，“article-title”：“使用AlphaFold进行高精度蛋白质结构预测，“volume”：“596”，“author”：“Jumper”，“year”：“2021”，“journal-title”：“Nature”}，{“issue”：“Web服务器问题”，“key”：”2022080510190434100_ref24“，“doi-asserted-by”：“crossref”，“first page”：使用Robetta服务器进行蛋白质结构预测和分析”，“卷”：“32”，“作者”：“Kim”，“年份”：“2004年”，“日志标题”：“核酸研究”}，{“问题”：“D1”，“关键”：“2022080510190434100_ref25”，“doi-asserted-by”：“crossref”，”首页“D1102”，“doi”：“10.1093”，“article-title”：“PubChem 2019更新：改进对化学数据的访问”卷”：“47”，“作者”：“Kim”，“年份”：“2019”，“期刊标题”：“核酸研究”}，{“问题”：“11”，“关键”：“2022080510190434100_ref26”，“doi断言”：“crossref”，“首页”：“2829”，“doi”：“10.1021\/ci200266d”，“文章标题”：“DrugPred:一种基于结构的方法，用于预测蛋白质的可药用性，该方法是使用广泛的非冗余数据集开发的”volume“：”51“，”author“：”Krasowski“，”year“：”2011“，”journal-title“：”J Chem Inf Model“}，{“issue”：“Database issue”，“key”：“2022080510190434100_ref27”，“first-page”：“D684”，“article-title”：“STITCH:chemicals and proteins的相互作用网络”，“volume”：”36“，”author“”：“Kuhn”，“year”：“2008”，“journal-title”:“Nucleic Acids Res”}，}“ission”：“5”“，”键“：”2022080510190434100_ref28“，”doi-asserted-by“：”crossref“，”first page“：”1436“，”doi“：”10.1109\/TCBB.2018.2864149“，“article-title”：“化学相互作用预测的端到端表征学习”，“volume”：“16”，“author”：“Kwon”，“year”：“2019”，“journal-title“：”IEEE\/ACM Trans-Comput Biol Bioninform“}，{”key“：“20220805101 90434100-ref29”，“”文章标题：“RoBERTa:一种稳健优化的BERT预训练方法”，“作者”：“Liu”，“年份”：“2019”}，{“问题”：“8”，“密钥”：“2022080510190434100_ref30”，“doi断言”：“crossref”，“首页”：“1140”，“doi”：“10.1093\/生物信息学\/btaa921”，“文章标题”：“GraphDTA:用图形神经网络预测药物靶标结合亲和力”，“卷”：“37”，“author“：”Nguyen“，”year“：”2021“，”journal-title“：”Bioinformatics“}，{“issue”：“2”，“key”：“2022080510190434100_ref31”，“doi-asserted-by”：“crossref”，“first-pages”：“718”，“doi”：“10.1109\/TCBB.2021.3094217”，“article-title”：“GEFA：药物靶亲和力预测中的早期融合方法”，“volume”：，“新闻标题”：“IEEE，{“issue”：“17”，“key”：“2022080510190434100_ref32”，“doi-asserted-by”：“crossref”，“first-page”：“821”，“doi”：“10.1093\/生物信息学\/bty593”，“article-title”：“DeepDTA:深度药物靶点结合亲和力预测”，“volume”：”34“author”：“u00d6zt\u00fcrk”，”年份“2018”，“journal-title:”“生物信息学”}，{“密钥”：“2022080510190434100_ref33“，“首页”：“1”，“article-title”：“Deepfusiondta:利用信息融合和混合深度学习集成模型进行药物-靶点结合亲和力预测”，“author”：“Yuqian”，“year”：“2021”，《journal-title》：“IEEE\/ACM Trans-Comput-Biol Bioinform”}，{“key”：“2020 2080510190 434100_ ref34”，“article-title”：“用TAPE评估蛋白质转移学习”，“author”：“Rao”，“year”：“2019”，“journal-title”：“Advances in Neural Information Processing Systems”}，{“issue”：“15”，“key”：“2022080510190434100_ref35”，“doi-asserted-by”：“crossref”，“doi”：“10.1073\/pnas.2016239118”，”article-title“：”生物结构和功能是通过将无监督学习扩展到2.5亿个蛋白质序列而产生的”，“卷”：“118”，“作者”：“里维斯”，“年份”：“2021”，“期刊标题”：“美国国家科学院学报”}，{“关键”：“2020 2080510190434100_ref36”，“文章标题”：神经信息处理系统进展“}，{“key”：“2022080510190434100_ref37”，“volume-title”：“The International Conference on Learning Representations”，“author”：“Sun”，“year”：“2020”}，“issue”：“6”，“key“：”20220805101 90434100-ref38“，“doi-asserted-by”：“crossref”，“first page”：”926“，“doi”：“10.1093\/生物信息学\/btu739”，“article-title“：”UniRef clusters：用于改进序列相似性搜索的一种全面且可扩展的替代方法“，”volume“：”31“，”author“：”Suzek“，”year“：”2015“，”journal-title“：”Bioinformatics（Oxford，England）“}，{”issue“：”D1“，”key“：“2022080510190434100_ref39”，“doi-asserted-by”：“crossref”，“first page”：“D605”，“doi”：“10.1093\/nar\/gkaa1074”，“article-title”：“2021年的STRING数据库：可定制的蛋白质网络，以及用户加载基因测量集的功能特征”，“卷”：“49”，“作者”：“Szklarczyk”，“年份”：“2021”，“日志标题”：“核酸Res”}，{“键”：“2020 2080510190434100_ref40”，“doi-asserted-by”：“crossref”，“doi”：“10.3389”，“文章标题”：药物靶点结合亲和力计算预测工具的比较研究”，“卷”：“7”，“作者”：“Thafar”，“年份”：“2019年”，“期刊标题”：“Front Chem”}，{“key”：“2022080510190434100_ref41”，“首页”：“5998”，“volume-title”：“神经信息处理系统进展”，“author”：“Vaswani”，“year”：“2017”}2022080510190434100_ref42“，”doi-asserted-by“：”crossref“，”first page“：”2977“，”doi“：”10.1021\/jm030580l“，”article-title“：”PDBbind数据库：“具有已知三维结构的蛋白-甘氨酸复合物的结合亲和力集合”，“volume”：“47”，“author”：“Wang”，“year”：“2004”，“journal-title”：“J Med Chem”}，{“issue”：“12”，“key”：”2022080510190434100_ref43“，”doi-asserted-by“：”crossref“，”first page“：”4111“，”doi“：”10.1021\/jm048957q“，”article-title“：”The PDBbind database:methologies and updates“，”volume“：“48”，”author“：”Wang“，”year“：”2005“，”journal-title”：“J Med Chem”}，{“issue”：“6”，“key”：“20220805101 90434100-ref44”，“doi-assert-by”：“crossref”，“first page”：“1692”，“doi”：“10.1039 \/C8SC04175J“，”article-title“：“通过翻译等效化学表征学习连续和数据驱动的分子描述符”，“volume”：“10”，“author”：“Winter”，“year”：“2019”，“journal-title”：“Chem Sci”}，{“key”：”2022080510190434100_ref45“，”article-title“：”图形神经网络有多强大？“，”author“：”Xu“，”年“：”2019“，”journal-title“：“学习表征国际会议”}，{“key”：“2022080510190434100_ref46”，“doi-asserted-by”：“crossref”，“doi”：“10.24963\/ijcai.2019\/551”，“article-title”：“Mr-gnn：预测结构化实体交互的多分辨率双图神经网络”，“volume-title第二十届国际人工智能联合会议论文集”，“作者”：“Xu”，“年份”：“2019”}，{“key”：“2022080510190434100_ref47”，“doi-asserted-by”：“crossref”，“doi”：“10.1093\/bab506”，“article-title”：“Fusiondta：基于注意力的特征聚合器和药物靶点结合亲和力预测的知识蒸馏”，“卷”：“23”，“作者”：“袁”，“年份”：“2022”，“期刊标题”：“简要生物信息”}，{“关键”：“2020 2080510190434100_ref48”，“卷标”：“CRC标准概率统计表和公式”，“作家”：“Zwillinger”，“年度”：“1999”}]，“container-title“：[“生物信息学简介”]，“original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\\/academicial.oup.com/bib\/article-pdf\/23\/4\/bbac269785\/bbac269.pdf”，“content-type”：“application\/pdf”，“content-version”：“vor”，“intended-application”：“syndication”}，{“URL”：“https:\/\/cademicial.oup.com/bib\/article-pdf\/23\/4\/bbac269\/45267785\/bbac269.pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,8,5]]，”date-time“：“2022-08-05T10:22:35Z”，“timestamp”：1659694955000}，“score”：1，“resource”“：{”primary“:{”URL“：”https:\/\/cademicial.oup.com/bib\/article\/doi\/10.1093\/bbib\/bbac269\/6628784“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2022,7,5]]}，“引用计数”：48，“日志发布”：{“问题”：“4”，“发布-打印”：{“日期部分”：[2022,7,18]]}}、“URL”：“http:\ \\/dx.doi.org\/10.1093\/bib\/bbac269“，”关系“：{}，”ISSN“：[”1467-5463“，”1477-4054“]，”issn-type“：[{”value“：“1467-5463”，“type”：“print”}，{”value“：“1477-4054”，“type”：“electronic”}]，“subject”：[]，“published-other”：{“date-parts”：[[2022,8,5]]}，“publish”：{“date-parts”：[2022,7,5]}}}