SCOPE-DTI: Semi-Inductive Dataset Construction and Framework Optimization for Practical Usability Enhancement in Deep Learning-Based Drug Target Interaction Prediction
Created by
Haebom
Category
Empty
저자
Yigang Chen, Xiang Ji, Ziyue Zhang, Yuming Zhou, Yang-Chi-Dung Lin, Hsi-Yuan Huang, Tao Zhang, Yi Lai, Ke Chen, Chang Su, Xingqiao Lin, Zihao Zhu, Yanggyi Zhang, Kangping Wei, Jiehui Fu, Yixian Huang, Shidong Cui, Shih-Chung Yen, Ariel Warshel, Hsien-Da Huang
개요
SCOPE-DTI는 기존의 약물-표적 상호작용(DTI) 예측 모델의 데이터 다양성 및 모델 복잡성 한계를 극복하기 위해 제안된 통합 프레임워크입니다. 13개의 공개 저장소에서 구축된 대규모 균형 셈아이덕티브 인간 DTI 데이터셋인 SCOPE 데이터셋을 기반으로, 3차원 단백질 및 화합물 표현, 그래프 신경망, 이중선형 어텐션 메커니즘을 통합하여 다양한 DTI 예측 작업에서 최첨단 방법을 능가하는 성능을 보여줍니다. 사용자 친화적인 인터페이스와 데이터베이스를 제공하며, Ginsenoside Rh1의 항암 표적을 실험적으로 식별하여 유효성을 검증했습니다. 종합적인 데이터, 고급 모델링 및 접근 가능한 도구를 제공하여 약물 발견 연구를 가속화합니다.
시사점, 한계점
•
시사점:
◦
대규모 균형 셈아이덕티브 인간 DTI 데이터셋(SCOPE 데이터셋) 제공을 통한 데이터 다양성 문제 해결.
◦
3차원 단백질 및 화합물 표현, 그래프 신경망, 이중선형 어텐션 메커니즘을 활용한 고성능 DTI 예측 모델 개발.
◦
기존 최첨단 방법 대비 향상된 DTI 예측 성능.
◦
사용자 친화적인 인터페이스와 데이터베이스 제공으로 접근성 향상.
◦
Ginsenoside Rh1의 항암 표적 실험적 식별을 통한 실제 응용 가능성 검증.
◦
약물 발견 연구 가속화에 기여.
•
한계점:
◦
SCOPE 데이터셋의 구축 과정 및 데이터 품질에 대한 자세한 설명 부족.
◦
모델의 일반화 성능 및 다른 종류의 DTI 예측 문제에 대한 적용 가능성에 대한 추가 연구 필요.
◦
실험적 검증의 범위가 제한적일 수 있음. (Ginsenoside Rh1에 대한 검증만 제시)
