Att exakt förutsäga läkemedelsproteininteraktionen (DPI) är avgörande vid virtuell läkemedelsscreening. Men nuvarande metoder tenderar att tilldela lika vikt till aminosyror och atomer i kodande protein- och läkemedelssekvenser, och försummar därigenom de varierande bidragen från distinkta motiv.
För att ta itu med denna fråga har en grupp forskare under ledning av Juan Liu publicerat sin studie i Frontiers of Computer Science .
Deras forskning introducerade en metod, FragDPI, för att förutsäga läkemedelsproteinbindningsaffinitet. Detta tillvägagångssätt representerar den initiala strävan att införliva fragmentkodning och sammanfoga sekvensinformationen för både läkemedel och proteiner, och därmed bevara de primära egenskaperna relaterade till DPI-interaktioner. Dessutom använder den här metoden överföringsinlärning från betydande DPI-datauppsättningar för att tillhandahålla potentiella DPI-komponenter.
Experimentella resultat visar att FragDPI-modellen ger lovvärda resultat jämfört med baslinjerna, inklusive djupa neurala nätverk. Intressant nog identifierade modellen exakt de specifika interaktionsdelarna av DTI-paren, och hjälpte därmed till att upptäcka nya potentiella DTI-par.
FragDPI presenterar ett nytt tillvägagångssätt för att utvinna interagerande fragment från DPI-mekanismen, vilket ger ett nytt perspektiv på läkemedelsupptäckten.
Mer information: Zhihui Yang et al, FragDPI:en ny förutsägelsemodell för interaktion mellan läkemedel och protein baserad på fragmentförståelse och enhetlig kodning, Frontiers of Computer Science (2022). DOI:10.1007/s11704-022-2163-9
Tillhandahålls av Frontiers Journals
