基于多模态栈式混合自编码器的药物靶标相互作用预测

来源：计算机工程与应用杂志2024年第19期北京时间：

作者：张星宇, 陈卓, 黄印, 原雨婷, 李颖, 王彬

单位：太原理工大学 计算机科学与技术学院，山西 晋中 030600

摘要：针对药物-靶标相互作用（drug-target interactions，DTI）预测中存在的单模态特征不足、多模态数据利用不充分、数据噪声大等问题，提出了一种基于多模态栈式混合自编码器（stacked hybrid autoencoder, SHADTI）的药物靶标相互作用预测方法。SHADTI包括数据预处理模块、潜在特征提取模块和预测模块三部分。数据预处理模块利用随机游走和PPMI（positive pointwise mutual information）算法对药物和靶标的多模态数据进行全局拓扑结构处理。潜在特征提取模块利用深度自编码器混合了降噪块、稀疏块、堆栈块，充分挖掘多模态之间蕴含的信息，生成潜在药物靶标特征向量。预测模块将药物和靶标的潜在特征拼接后输入到全连接层进行预测。所提方法在5个公开数据集上与现有深度学习方法进行对比，实验结果均优于所对比的方法，表明SHADTI能够有效利用多模态数据间的互补信息，提高了DTI预测精度。

关键词：药物-靶标相互作用,多模态,自编码器,深度学习