Key points are not available for this paper at this time.
전통 중국 의학의 활성 성분과 타겟 포인트는 매우 복잡하고 확인하기 어렵다. 최근 몇 년 동안, 계산 방법은 화합물-타겟 상호작용을 예측하기 위한 효과적인 접근 방식이 되었다. 그러나 네트워크의 위상 구조적 특징을 효과적으로 활용하는 것은 여전히 긴급한 도전 과제이다. 전통적인 예측 모델은 노드 간의 관계에 지나치게 집중하는 경향이 있으며, 엣지의 특징을 간과한다. 이러한 문제를 해결하기 위해 우리는 한약 성분과 타겟 포인트 간의 상호작용을 예측하기 위한 TCMCPI 모델을 제안한다. 첫째, 우리는 엣지의 위상 구조를 설정하여 CPI 네트워크를 선 그래프로 변환한다. 그런 다음, GCN과 CNN을 사용하여 화합물과 타겟으로부터 특징을 추출한다. 이 특징들은 선 그래프의 노드를 나타내기 위해 결합되고, GAT를 사용하여 노드 특징을 학습한다. 마지막으로, 우리는 인접 엣지 특징을 노드 특징으로 통합하여 선 그래프의 노드 특징을 CPI 네트워크의 엣지 특징으로 다시 매핑한다. 실험 결과는 TCMCPI가 한약 성분과 타겟 단백질 간의 상호작용을 예측하는 데 있어 다른 기준 방법들보다 우수하다는 것을 보여주며, 높은 AUROC 및 AUPR 평가 메트릭은 그 우수한 예측 성능을 입증한다.
Wang et al. (Sat,)는 이 문제를 연구했다.