基于图卷积神经网络的小分子虚拟筛选

作者：张凯睿; 黄钢^*

来源：软件工程, 2022, 25(07): 19-23.

DOI：10.19644/j.cnki.issn2096-1472.2022.007.005

• 图卷积神经网络
• 虚拟筛选
• EGFR
• 化合物相似性搜索
• 机器学习

新药研发存在研发周期长、成本高和成功率低等问题。为了解决这一系列问题，提高早期药物研发效率，提出一种基于图卷积神经网络的虚拟筛选方法，并利用模型对EGFR(Epidermal Growth Factor Receptor,表皮生长因子受体)靶点进行虚拟筛选。首先获取EGFR靶点的相关数据，对其进行数据处理后用于模型训练；随后应用模型筛选大量化合物，筛选出小分子后，将其与药物分子进行化合物相似性搜索，验证其是否与已知的EGFR药物存在相似性；同时，将图卷积神经网络(Graph Convolutional Networks,GCN)模型与其他传统机器学习模型进行比较，证明本研究模型在各项指标中均优于其他模型。实验结果表明，本研究提出的方法具有较好的预测性和准确性，为发现潜在药物提供了助力。

• 单位
  上海健康医学院; 上海理工大学