GEFormerDTA: 변환 그래프를 기반으로 한 약물 표적 친화도 예측을 위한 초기 융합

초록 약물과 표적 단백질 간의 상호작용 친화도를 예측하는 것은 신속하고 정확한 약물 발견 및 재처방에 매우 중요합니다. 따라서 DTA의 보다 정확한 예측은 약물 발견 및 재처방 분야에서 중요한 연구 분야가 되었습니다. 그러나 전통적인 실험 방법은 긴 운영 주기, 높은 인력 요구 사항 및 높은 경제적 비용 등의 단점이 있어, 약물과 표적 단백질 간의 특정 상호작용을 신속하고 정확하게 예측하기 어렵습니다. 일부 방법은 주로 약물의 SMILES 서열과 단백질의 1차 구조를 입력으로 사용하여 결합 부호화, 중심도 부호화, 약물 분자 그래프의 공간 부호화 및 단백질의 2차 구조와 접근 가능한 표면적과 같은 구조 정보를 무시합니다. 또한, 기존 방법은 단백질 서열을 기반으로 특징 표현을 학습하여 정보의 완전성을 간과했습니다. 약물 및 단백질 구조 정보의 완전성을 해결하기 위해, 우리는 약물-표적 친화도 예측을 위한 변환 그래프 기반 초기 융합 연구 접근법(GEFormerDTA)을 제안합니다. 우리의 방법은 불충분한 특징 학습으로 인한 예측 오류를 줄입니다. Davis 및 KIBA 데이터 세트에 대한 실험 결과는 기존의 친화도 예측 방법보다 약물-표적 친화도를 더 잘 예측함을 보여주었습니다.