基于图卷积和双线性注意力网络的药物靶标亲和力预测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：药物靶标亲和力预测在药物研发中扮演着重要的角色。针对现有预测方法大多忽略药物分子的二维结构信息、缺乏深层表征融合学习的问题，提出了基于图卷积和双线性注意力网络的药物靶标亲和力预测模型（GBN_DTA）。该模型首先基于多层图卷积神经网络编码药物分子图，同时结合1D-CNN 和双向长短期记忆网络（BiLSTM）编码靶标序列；然后使用双线性注意力网络融合编码后的药物和靶标特征，最终获得亲和力预测分数。（剩余1458字）

试读结束

目录
monitor