基于深度学习技术的药物-靶标相互作用预测方法与应用研究.pdfVIP

摘要

药物-靶标相互作用（Drug-TargetInteraction,DTI）预测是药物研发中至关重要的任

务，其主要目标是通过对药物和靶标分子特征的深度分析，预测两者之间的相互作用关

系，从而为新药研发提供支持。人工智能和深度学习的迅速发展，为药物-靶标相互作用

的预测研究提供了新的角度与机遇。由于药物和靶标的特征复杂性以及相互作用机制的

多样性，现有方法在捕捉全局上下文信息和局部关键特征方面面临一定挑战，影响了模

型的预测精度和泛化能力。为此，本文分析了国内外关于DTI预测任务的研究成果，并

针对当前存在的问题进行调查与分析，利用深度学习技术进行深入研究，以进一步提升

DTI预测的性能和适应性。本文的主要研究内容如下：

（1）针对药物的一维数据特征，本文提出基于混合注意力和条件参数卷积的药物-靶

标相互作用预测方法。该方法通过融合Transformer和混合注意力机制的特征提取模块捕

捉药物和靶标的全局上下文信息以及局部相互作用和关键位点的联系，并且根据输入特

征动态调整卷积核参数，从而处理药物和靶标的联合特征，提高了模型对药物靶标相互

关系的理解能力