FusionDTI: Fine-grained Binding Discovery with Token-level Fusion for Drug-Target Interaction
작성자
- Haebom
카테고리
Empty
저자
Zhaohan Meng, Zaiqiao Meng, Ke Yuan, Iadh Ounis
FusionDTI: Fine-grained Drug-Target Interaction Prediction with Token-level Fusion
개요
FusionDTI는 약물 발견 과정에서 중요한 약물-표적 상호작용(DTI) 예측을 위한 새로운 모델입니다. 약물과 표적 인코더에서 얻은 표현을 통합하여 DTI 모델의 발전을 이루었지만, 기존 모델은 약물의 특정 원자(또는 부분 구조)와 단백질의 주요 아미노산 간의 미세한 상호작용을 포착하는 데 어려움을 겪었습니다. FusionDTI는 토큰 레벨 융합 모듈을 사용하여 이러한 문제를 해결하고, 약물의 SELFIES 표현을 활용하여 시퀀스 조각 무효화를 완화하며, 표적 단백질의 구조 인식(SA) 어휘를 통합하여 구조적 정보의 아미노산 시퀀스 한계를 해결합니다. 또한 대규모 생물의학 데이터셋에서 사전 훈련된 언어 모델을 광범위하게 활용하여 약물과 표적의 복잡한 정보를 캡처합니다. 세 개의 벤치마크 데이터셋에서 실험한 결과, FusionDTI는 7개의 기존 최첨단 베이스라인보다 DTI 예측에서 가장 우수한 성능을 달성했습니다. 사례 연구를 통해 FusionDTI는 잠재적 결합 부위를 강조하여 DTI 예측의 설명 가능성을 향상시킬 수 있음을 보여주었습니다.
시사점, 한계점
•
시사점:
◦
DTI 예측 성능 향상: 기존 모델보다 우수한 성능을 달성하여 DTI 예측 분야에 기여
◦
미세한 상호작용 포착: 약물 원자와 단백질 아미노산 간의 미세한 상호작용을 효과적으로 학습
◦
설명 가능성 향상: 잠재적 결합 부위를 강조하여 예측의 설명 가능성을 높임
◦
SELFIES 및 구조 인식 어휘 활용: 약물 표현과 단백질 구조 정보의 효과적인 통합
•
한계점:
◦
제시된 한계점은 논문 내용에 직접적으로 나타나 있지 않음.
