DeepPurpose : une bibliothèque d'apprentissage profond pour la prédiction des interactions médicament-cible

La prédiction précise des interactions médicament-cible (DTI) est essentielle pour la découverte de médicaments. Récemment, les modèles d’apprentissage profond (DL) ont montré des performances prometteuses pour la prédiction des DTI. Toutefois, ces modèles peuvent s’avérer difficiles à utiliser tant pour les informaticiens s’approchant du domaine biomédical que pour les bioinformaticiens disposant de peu d’expérience en apprentissage profond. Nous présentons DeepPurpose, une bibliothèque complète et facile à utiliser dédiée à la prédiction des interactions médicament-cible par apprentissage profond. DeepPurpose permet d’entraîner des modèles personnalisés grâce à la mise en œuvre de 15 encodeurs de composés et de protéines, ainsi que de plus de 50 architectures neuronales, tout en offrant de nombreuses fonctionnalités utiles. Nous démontrons que DeepPurpose atteint des performances de pointe sur plusieurs jeux de données de référence.