Un nuevo método para predecir la interacción entre compuestos herbales chinos y objetivos

Los componentes activos y los puntos objetivos de la medicina tradicional china son altamente complejos y difíciles de determinar. En los últimos años, los métodos computacionales se han convertido en un enfoque efectivo para predecir las interacciones entre compuestos y objetivos. Sin embargo, la utilización efectiva de las características estructurales topológicas de la red sigue siendo un desafío urgente. Los modelos de predicción tradicionales tienden a enfocarse excesivamente en las relaciones entre nodos, mientras que pasan por alto las características de las aristas. Para abordar estos problemas, proponemos un modelo TCMCPI para predecir las interacciones entre compuestos herbales y puntos objetivos. Primero, transformamos la red CPI en un gráfico de líneas al establecer una estructura topológica de las aristas. Luego, utilizamos GCN y CNN para extraer características de los compuestos y objetivos. Estas características se fusionan para representar los nodos del gráfico de líneas, y se utiliza GAT para aprender las características de los nodos. Finalmente, mapeamos las características de los nodos del gráfico de líneas de nuevo a las características de las aristas en la red CPI al fusionar las características de las aristas adyacentes en características de nodos. Los resultados experimentales demuestran que TCMCPI supera a otros métodos de referencia en la predicción de interacciones entre compuestos herbales y proteínas objetivo, y las altas métricas de evaluación AUROC y AUPR atestiguan su superior rendimiento predictivo.