基于多重相似性和增强注意力预测药物-靶标相互作用

摘要

在新药发现和药物重定位研究中，发现药物与靶标之间的相互作用是重要的研究内容.针对药物与靶标相互作用网络，提出一种基于多重相似性和增强注意力机制的图卷积神经网络模型(RSGCN)预测药物-靶标相互作用.首先，提出了多重相似性来捕捉网络结构特征，以充分利用节点间的直接或间接关系.然后，通过PCA降维减少相似性噪声对实验结果的影响.最后，采用图卷积神经网络(graph convolution neural network, GCN)获得节点嵌入表示，并融入基于注意力的增强层，通过增强注意力机制获得节点间的注意力权重，能够高效地预测药物与靶标之间的相互作用.在黄金标准数据集上的实验结果表明RSGCN模型具有较好的性能.

关键词

图卷积神经网络(GCN) / 多重相似性 / PCA / 增强注意力机制 / 药物-靶标相互作用