Prédiction de l'affinité drug-cible utilisant les réseaux neuronaux graphiques et les cartes de contact

La conception assistée par ordinateur de médicaments utilise des ordinateurs à haute performance pour simuler les étapes clés du processus de conception de médicaments, constituant un domaine de recherche prometteur. La prédiction de l'affinité médicament-cible (DTA) représente l'étape la plus importante dans la conception assistée par ordinateur de médicaments, permettant d'accélérer le développement des médicaments tout en réduisant la consommation de ressources. Avec le développement des réseaux de neurones profonds, l'intégration de ces méthodes à la prédiction DTA et l'amélioration de leur précision sont devenues des axes de recherche majeurs. Dans ce travail, en exploitant les informations structurelles des molécules et des protéines, deux graphes — l'un pour les molécules médicamenteuses, l'autre pour les protéines — sont construits respectivement. Des réseaux de neurones de type graphe (GNN) sont ensuite employés pour extraire leurs représentations, et une méthode baptisée DGraphDTA est proposée pour la prédiction DTA. Plus précisément, le graphe protéique est construit à partir de la carte de contact produite par une méthode de prédiction structurelle, capable de deviner les caractéristiques structurales d'une protéine à partir de sa séquence. Les résultats obtenus sur diverses métriques appliquées aux jeux de données de référence démontrent que la méthode proposée dans cet article présente une robustesse et une généralisation remarquables.