药物-靶点亲和力预测的全局特征提取策略

作者：彭泽佳; 张晓龙

来源：计算机工程与设计, 2022, 43(03): 843-850.

DOI：10.16208/j.issn1000-7024.2022.03.034

• 药物靶点结合亲和力
• 深度学习
• 特征提取
• 混合模型
• 特征融合

为有效解决药物靶点亲和力预测中单模型提取特征种类受限问题,结合深度学习混合模型,提出一种深度并行全局特征提取策略。利用卷积神经网络(CNN)和特征存储融合层构建局部特征提取器,实现药物靶点序列局部特征的多层次提取、存储与压缩;利用卷积神经网络(CNN)和双向长短时记忆(Bi LSTM)神经网络的串行混合模型构建上下文特征提取器,提取局部特征之间的上下文联系;将两种互补特征进行融合。该特征提取策略解决了单模型提取特征种类受限问题,缓解了数据集差异对特征提取效率的影响。实验结果表明,该特征提取策略有助于提升预测模型的预测性能。

• 单位
  智能信息处理与实时工业系统湖北省重点实验室; 武汉科技大学