Inductive-Associative Meta-learning Pipeline with Human Cognitive Patterns for Unseen Drug-Target Interaction Prediction
Created by
Haebom
Category
Empty
저자
Xiaoqing Lian, Jie Zhu, Tianxu Lv, Shiyun Nie, Hang Fan, Guosheng Wu, Yunjun Ge, Lihua Li, Xiangxiang Zeng, Xiang Pan
개요
BioBridge는 기존 약물-표적 상호작용(DTI) 모델의 일반화를 저해하는 단백질 구조의 상당한 차이점을 해결하기 위해 고안된 새로운 모델입니다. 기존 모델들이 사전 학습된 결합 원리나 상세한 주석에 크게 의존하는 것과 달리, BioBridge는 과학자들이 약하게 관련된 참고 자료에서 새로운 약물-표적 쌍에 대한 통찰력을 도출하는 작업 과정에서 영감을 받은 유도-연관 파이프라인을 설계했습니다. 제한된 서열 데이터를 사용하여 다수준 인코더와 적대적 학습을 통합하여 전이 가능한 결합 원리를 축적하고, 이를 기반으로 동적 프로토타입 메타 러닝 프레임워크를 사용하여 약하게 관련된 주석에서 통찰력을 연관시켜 이전에 보지 못한 약물-표적 쌍에 대한 강력한 예측을 가능하게 합니다. 특히 상동 단백질 결합 데이터만 있을 때 표피 성장 인자 수용체와 아데노신 수용체의 가상 스크리닝에 효과적임을 보여주며, 신약 개발에 대한 잠재력을 강조합니다.
시사점, 한계점
•
시사점:
◦
제한된 서열 데이터만으로도 새로운 약물-표적 상호작용을 효과적으로 예측 가능
◦
기존 모델보다 unseen protein에 대한 예측 성능이 우수
◦
상동 단백질 결합 데이터만으로도 가상 스크리닝에 효과적임을 입증, 신약 개발에 활용 가능성 제시
