融合互作网络和多模态信息的化合物-蛋白质相互作用预测模型(INMI)

摘要

化合物-蛋白质相互作用(Compound-protein interaction, CPI)预测是药物研发领域的一个重大课题.随着生物科学的飞速发展，各种科学实验产生了大量的生物数据，通过计算方法能够快速有效地提取和利用这些信息.已有方法未能将相互作用网络中的信息显式地进行提取并加以利用，且多模态信息的融合方式未能抓住蛋白质和化合物之间的联系.为了解决上述问题，本文提出了一个二分类深度学习模型.该模型使用交叉注意力模块整合分子图和蛋白质序列信息，并从相互作用网络中显式提取节点的中心性和相关性信息，作为模型编码.实验表明，本文所提出的模型可以准确预测蛋白质和化合物之间的相互作用，而且节点中心性编码能够大大提高模型性能.

关键词

化合物 / 蛋白质 / 注意力 / 化合物与蛋白质相互作用

基金资助

国家自然科学基金青年科学基金项目(82003655); 辽宁省教育厅面上项目(LJKZ0088); 辽宁省“兴辽英才计划”项目(XLYC2002045); 辽宁省重点研发计划(2019JH2/10300041); 沈阳市中青年科技创新人才支持计划(RC210216)