Bioinformatics|MGPLI：探索蛋白质-配体相互作用预测的多粒度表示

Bioinformatics|MGPLI：探索蛋白质-配体相互作用预测的多粒度表示

最近搞了个公众号《AI and Bioinformatics》介绍应用于生物信息学的人工智能算法和研究进展，以及网络表示学习算法研究，欢迎向本公众号投稿文献解读类原创文章，可以是自己or自己组的论文，也可以是阅读觉得不错的论文。投稿邮箱：[email protected]

今天给大家推荐的是南京医科大学Yun Liu教授团队和哈尔滨医科大学Liang Cheng教授团队发表在期刊Bioinformatics上的一篇关于protein–ligand互作预测文章

摘要

Motivation: 预测潜在的药物与蛋白质靶点结合亲和力的能力一直是电子药物研发中的一个基本挑战。传统的体外和体内实验成本高、耗时长，需要寻找较大的复合空间。近年来，基于深度学习的药物靶点结合亲和力预测模型取得了显著的成功。

Result: 继Transformer模型最近取得成功之后，本文提出了一种多粒度蛋白质-配体相互作用（MGPLI）模型，该模型采用Transformer编码器来表示character-level features和fragment-level features，模拟残基和原子或其片段之间可能的相互作用。此外，使用卷积神经网络提取基于transformer encoder输出的高级特征，并使用highway layer层融合蛋白质和药物特征。在不同的蛋白质-配体相互作用数据集上评估了MGPLI，并表明与最先进的基线相比，预测性能有所改善。

参考资料：

Wang J, Hu J, Sun H, et al. MGPLI: Exploring Multigranular Representations for Protein-Ligand Interaction Prediction[J]. Bioinformatics, 2022