Research on drug target prediction model based on deep learning

基于深度学习的药物靶点预测模型研究

项目简介

本项目旨在通过采用3D卷积神经网络（3DCNN）特征提取方法，提出一种基于自编码器增强特征的药物靶点预测模型。该模型解决了3DCNN在提取蛋白质体素特征时可能出现的“噪点”问题。同时，我们提出了迁移训练思路，有效解决了“靶点针对性数据”体量较小的问题。

1.项目所构建的CPImain网络展现出了较优的CPI预测能力，同时采用分布式网络构建，为迁移训练做准备；

2.项目结合了PDB-bind数据库和TTD数据库，为DTI预测的迁移训练构建了DTIDecoy数据平台，其提供了有效的模型训练集（包括正负例样本）；

3.项目成功构建用于DTI预测的DTImove模型；

4.项目以ICD-11编码为各个靶点进行分类，并挑选出抗肿瘤靶点构建了用于抗肿瘤药物适应症预测的DTI2L2模型。

涉及框架

• RDkit
• HTMD
• PyTorch
• moleculekit
• Autodock 4.2.6

项目进度

目前，主模型的开发已经完成。主模型主要用于学习蛋白质和小分子之间的结合方式，以预测结合的Ki、Kd和IC50值。我们的模型在皮尔森相关系数和斯皮尔曼相关系数方面均达到了0.98的高度相关性。

请注意，本项目仅供研究和学术交流使用，不得用于商业目的。

如果您对该项目有任何疑问或建议，请随时与我们联系。感谢您的关注和支持！

安装与使用

PASS

贡献者

• Yibin Chang