深度DTA swMATH ID: 39159 软件作者： 哈基米·奥兹蒂尔克、埃利夫·奥兹基里姆利、阿尔祖坎·奥兹圭尔 描述： DeepDTA：Deep Drug-Target绑定亲和力预测。新型药物靶点（DT）相互作用的识别是药物发现过程的重要组成部分。大多数预测DT相互作用的计算方法都侧重于二进制分类，其目标是确定DT对是否相互作用。然而，蛋白质与配体的相互作用假设了一个连续的结合强度值，也称为结合亲和力，预测这个值仍然是一个挑战。DT知识库中可用亲和力数据的增加允许在预测结合亲和力时使用高级学习技术，如深度学习架构。在本研究中，我们提出了一个基于深度学习的模型，该模型仅使用靶点和药物的序列信息来预测DT相互作用结合亲和力。少数专注于DT结合亲和力预测的研究使用蛋白质-甘氨酸复合物的3D结构或化合物的2D特征。本工作中使用的一种新方法是用卷积神经网络（CNN）对蛋白质序列和化合物的一维表示进行建模。结果表明，所提出的基于深度学习的模型使用靶标和药物的1D表示，是预测药物靶标结合亲和力的有效方法。通过CNN构建药物和靶点的高级表示的模型在我们的一个较大的基准数据集中取得了最佳的一致性指数（CI）性能，优于KronRLS算法和SimBoost，SimBoost是最先进的DT结合亲和力预测方法。 主页： https://arxiv.org/abs/1801.10193 源代码： https://github.com/hkmztrk/DepDTA 相关软件： WideDTA公司;深度目标;ImageNet公司;火炬IO;TensorLy公司;美国残疾人协会;夹点网;深度亲和力;掌中宽带;科尼亚语;绑定数据库;MNIST公司;CIFAR公司;PyTorch几何;PyTorch闪电;火炬视觉;MLlib（MLlib）;Scikit公司;货币市场基金;玉米粉 引用于： 1文件 4位作者引用 1 杜志勇 1 金、瑞霞 1 李奇蒙 1 王显芳 连载1篇 1 数学生物科学与工程 在2个字段中引用 1 计算机科学（68至XX） 1 生物学和其他自然科学（92-XX） 按年份列出的引文