具有细粒度结合表示的结构感知对比学习在药物发现中的应用

于红博

摘要: 药物靶点相互作用（DTI）的准确识别仍然是计算药理学中的一个核心挑战，基于序列的方法具有可扩展性。本研究引入了一个基于序列的药物靶点相互作用框架，将结构先验信息整合到蛋白质表示中，同时保持高通量筛选能力。在多个基准测试中评估，在Human和BioSNAP数据集上取得了最先进的性能，并在BindingDB上保持竞争力。在虚拟筛选任务中，它在LIT-PCBA上超越了先前的方法，在AUROC和BEDROC方面取得了显著增益。消融研究证实了学习聚合、双线性注意力和对比对齐在增强预测鲁棒性中的关键作用。嵌入可视化显示了与已知结合口袋的改进空间对应，并突出显示了在配体-残基接触上的可解释关注模式。这些结果验证了该框架在可扩展和结构感知的DTI预测中的实用性。

更新时间: 2025-09-18 09:38:46

领域: cs.LG,cs.AI,q-bio.BM

下载: http://arxiv.org/abs/2509.14788v1