DeepDTA: Tiefen Vorhersage der Bindungsaffinität zwischen Wirkstoff und Zielprotein

Die Identifizierung neuer Wirkstoff-Zielinteraktionen (WZI) ist ein wesentlicher Bestandteil des Wirkstoffentdeckungsprozesses. Die meisten vorgeschlagenen computergestützten Methoden zur Vorhersage von WZI haben sich auf binäre Klassifikation konzentriert, bei der das Ziel darin besteht, zu ermitteln, ob ein WZI-Paar interagiert oder nicht. Protein-Liganden-Interaktionen jedoch zeichnen sich durch einen Kontinuum von Bindungsstärkenwerten aus, auch als Bindungsaffinität bezeichnet, und die Vorhersage dieser Werte stellt weiterhin eine Herausforderung dar. Der Anstieg der in WZI-Wissensbasen verfügbaren Affinitätsdaten ermöglicht die Verwendung fortschrittlicher Lernverfahren wie tiefer neuronalen Netze (Deep Learning-Architekturen) zur Vorhersage von Bindungsaffinitäten. In dieser Studie schlagen wir ein auf tieferem Lernen basierendes Modell vor, das ausschließlich Sequenzinformationen sowohl von Zielen als auch von Wirkstoffen verwendet, um die Bindungsaffinitäten von WZI vorherzusagen. Die wenigen Studien, die sich mit der Vorhersage der Bindungsaffinität von WZI befassen, verwenden entweder 3D-Strukturen von Protein-Liganden-Komplexen oder 2D-Merkmale von Verbindungen. Ein neuartiger Ansatz, der in dieser Arbeit angewendet wird, ist die Modellierung von Proteinfolgen und 1D-Darstellungen von Verbindungen mit Faltungsneuronalen Netzen (CNNs). Die Ergebnisse zeigen, dass das vorgeschlagene Modell auf tieferem Lernen basierend, das 1D-Darstellungen von Zielen und Wirkstoffen verwendet, eine effektive Methode zur Vorhersage der Bindungsaffinität zwischen Wirkstoff und Ziel ist. Das Modell, bei dem hochwertige Darstellungen eines Wirkstoffs und eines Ziels über CNNs erstellt werden, erzielte den besten Übereinstimmungsindex (CI) in einem unserer größeren Benchmark-Datensätze und übertreffen dabei den KronRLS-Algorithmus sowie SimBoost, eine Standesmethode für die Vorhersage der Bindungsaffinität zwischen Wirkstoff und Ziel.请注意，我在翻译中保持了专业术语的准确性，并尽量使表达符合德语的习惯。此外，我还确保了译文的正式性和客观性，以适应科技新闻或学术写作的要求。希望这个翻译能满足您的需求。