DeepPurpose深度学习工具包

DeepPurpose是一个基于深度学习的工具包，可用于药物靶点识别、药物属性预测、蛋白质-蛋白质相互作用预测等¹。它支持多种分子编码任务，包括药物-靶标相互作用预测、化合物属性预测、蛋白质-蛋白质相互作用预测和蛋白质功能预测¹。DeepPurpose通过实现15个化合物和蛋白质编码器以及50多种神经架构，以及提供许多其他有用的功能来支持定制DTI预测模型的训练⁴。它使用PyTorch框架进行深度学习，促进生命科学研究¹。更多关于DeepPurpose的信息，可以查看GitHub页面¹。

(1) kexinhuang12345/DeepPurpose - GitHub. GitHub - kexinhuang12345/DeepPurpose: A Deep Learning Toolkit for DTI, Drug Property, PPI, DDI, Protein Function Prediction (Bioinformatics).

(2) 【论文速递11-10】药物发现方向优质的论文及其代码 .... 【论文速递11-10】药物发现方向优质的论文及其代码 - 知乎.

(3) DeepPurpose：药物虚拟筛选、构效关系及更多用途的深度 .... DeepPurpose：药物虚拟筛选、构效关系及更多用途的深度学习工具包 - 知乎.

(4) 什么，PyTorch还能开发新药？哈佛推出这款工具包，10 .... 什么，PyTorch还能开发新药？哈佛推出这款工具包，10行代码训练“药神”模型 - 知乎.

(5) DeepPurpose案例演示_哔哩哔哩_bilibili. DeepPurpose案例演示_哔哩哔哩_bilibili.

(6) DeepPurpose: a deep learning library for drug–target interaction .... DeepPurpose: a deep learning library for drug–target interaction prediction | Bioinformatics | Oxford Academic.

(7) undefined. GitHub - 1512474508/DeepPurpose: A Deep Learning Toolkit for DTI, Drug Property, PPI, DDI, Protein Function Prediction.

要使用DeepPurpose来预测数据集中的蛋白质-配体的DTI，您需要完成以下步骤：

1. 准备数据集：您需要准备一个包含蛋白质序列和化合物SMILES字符串的数据集。您可以使用自己的数据集或从公共数据库中获取数据集，例如BindingDB1。

2. 数据预处理：您需要将蛋白质序列和化合物SMILES字符串转换为数字表示，以便输入到DeepPurpose模型中。DeepPurpose提供了一些编码器，例如ESM-1b编码器和Morgan Fingerprint编码器，可用于将蛋白质和化合物转换为数字表示1。

3. 训练模型：您需要使用DeepPurpose中的模型训练功能来训练一个DTI预测模型。DeepPurpose提供了多个预训练模型，例如ESM-1b和MPNN模型，您可以使用这些模型进行微调或训练自己的模型1。

4. 预测DTI：在完成模型训练后，您可以使用DeepPurpose中的预测功能来预测新的蛋白质-配体DTI。您需要将新的蛋白质序列和化合物SMILES字符串转换为数字表示，并将其输入到已训练的模型中，以获得DTI预测结果1。