科研之友
微信
新浪微博
Facebook
分享链接
摘要
准确的药物靶点亲和力预测（DTA）能够缩短药物研发周期，节省人力和物力，加速药物研发过程。图神经网络（GNN）在药物靶点亲和力预测中得到了广泛应用，但现有的方法大多基于浅层GNN。该文提出了一种基于残差结构的图卷积网络，残差结构的加入能够加深网络结构，借此构建一个具有24个图卷积层的深度图卷积网络，以此捕获药物分子的特征，学习有效的嵌入表达，并在两个基准药物靶点亲和力数据集上与几种先进的基于机器学习或深度学习的模型进行比较。结果表明，该文所提模型相较于其他基准模型有着更好的预测性能，验证了该文所提方法的有效性。
- 单位
