摘要
在本研究中，我们提出了一种可解释的基于图结构的深度学习预测模型——AttentionSiteDTI，该模型结合蛋白质结合位点信息与自注意力机制，用于解决药物-靶点相互作用预测问题。受自然语言处理领域中句子分类模型的启发，本研究将药物-靶点复合物视为一个具有生物化学实体间语义关系的“句子”，其中实体包括蛋白质口袋和药物分子。AttentionSiteDTI通过识别对药物-靶点相互作用贡献最大的蛋白质结合位点，实现了模型的可解释性。在三个基准数据集上的实验结果表明，该模型在预测性能上优于当前最先进的方法。更为重要的是，与以往研究不同，当在新蛋白质上进行测试时，本模型仍表现出卓越的性能，展现出优异的泛化能力。通过跨学科协作，我们进一步对所提出方法的实际应用潜力进行了实验验证。具体而言，我们首先通过计算方法预测若干候选化合物与靶蛋白之间的结合相互作用，随后在实验室中对这些配对的结合行为进行实验验证。计算预测结果与实验观测（测量）结果之间高度一致，充分展示了该方法在药物重定位应用中作为高效预筛选工具的巨大潜力。