編輯 | 枯葉蝶
準確識別藥物-靶標相互作用（DTI）是藥物發現和藥物重新定位過程中的關鍵步驟之一。目前，已經提出了許多基於計算的模型來預測 DTI，並取得了一些顯著的進步。
然而，這些方法很少關注如何以適當的方式融合與藥物和靶標相關的多視角相似性網路。此外，如何充分結合已知的相互作用關係來準確表示藥物和靶標尚未得到很好的研究。因此，仍然需要提高 DTI 預測模型的準確性。
在最新的研究中，鄭州大學、電子科技大學團隊提出了一種新方法 MIDTI，該方法採用多檢視相似性網路融合策略和深度互動式注意機制來預測藥物-靶標相互作用。
結果表明，MIDTI 在 DTI 預測任務上的表現明顯優於其他基線方法。消融實驗的結果也證實了多視角相似網路融合策略中注意力機制和深度互動注意力機制的有效性。
該研究以「Drug–target interaction predictions with multi-view similarity network fusion strategy and deep interactive attention mechanism」為題，於 2024 年 6 月 6 日釋出在《Bioinformatics》。
藥物靶點互動（DTI）預測在新藥研發與再利用過程中佔據核心地位，傳統溼實驗方法成本高昂、耗時長久，促使研究者轉向計算輔助的藥物篩選方法來加速程序。
計算型 DTI 預測主要分為基於結構的方法、基於配體的方法和基於機器學習的方法三類。基於結構的方法依賴藥物分子與靶點結構及結合位點，但受限於某些靶點如膜蛋白結構資訊的缺乏；基於配體的方法則基於已知活性小分子建立模型，但在靶點結合配體數量有限時效果不佳。
近年來，機器學習方法廣泛應用，透過提取藥物化學結構和靶點基因序列特徵進行二元分類，預測潛在 DTI。然而，目前的方法僅基於藥物和靶點自身結構學習表徵，忽視了 DTI 對之間的相互作用。
除化學和基因組特徵外，生物實體間關係蘊含豐富語義資訊，構建融合異構資訊的網路有助於系統理解 DTI。但是已有的方法難以一致利用異構網路中的複雜關係。
受多視角相似性網路融合策略和深度互動式注意力機制的啟發，鄭州大學團隊提出了一種稱為 MIDTI 的預測 DTI 的新方法。
MIDTI 的整體框架主要包含四個步驟：
首先，MIDTI 根據藥物相關關聯資訊構建不同的藥物相似性網路，並採用多視角相似性網路融合策略獲得整合的藥物相似性網路。MIDTI 也類似地建立了整合目標相似性網路。
其次，MIDTI 採用 GCN 作為編碼器，分別從綜合藥物相似性網路、綜合目標相似性網路、藥物-目標二分網路以及藥物-目標異構網路中學習藥物和目標嵌入。
第三，MIDTI 利用深度互動式注意機制，根據已知的 DTI 關係學習判別嵌入。
最後，研究人員將學習到的藥物-靶標對錶徵輸入到多層感知器（MLP）中，以預測 DTI。
圖示：多視角藥物相似性網路融合策略的四個步驟。（來源：論文）
為了評估MIDTI的效能，研究者採用了多種評估指標，包括準確率（ACC）、曲線下面積（AUC）、精確-召回曲線下面積（AUPR）、F1 分數和馬修斯相關係數（MCC）。研究人員將 MIDTI 與其他十種競爭性方法進行了比較，這些方法包括隨機森林、圖卷積網路、圖注意力網路、MMGCN、GraphCDA 和 DTINet 等。
MIDTI 在 ACC、AUC 和 AUPR 指標上分別獲得了 0.9340、0.9787和 0.9701 的分數，比 MMGCN 和 GraphCDA 的最高分數高出 2.55%、2.31% 和 2.30%。這表明 MIDTI 在預測藥物-靶點相互作用方面是最具競爭力的方法之一。在不同正負樣本比例的實驗中，MIDTI 也表現出了優秀的效能。
研究還展示了 MIDTI 學習到的藥物-靶點嵌入的視覺化結果，使用 t-SNE 工具將嵌入對映到二維空間。隨著訓練輪數的增加，正例和反例逐漸被區分開來，這證明了 MIDTI 所學習的嵌入具有良好的區分力和解釋性，從而提高了 DTI 預測的準確性。
MIDTI 的核心貢獻在於：它提出了一種新的多視角相似網路融合策略，可以在無監督的方式下整合不同相似網路；使用深度互動注意力機制，根據已知的 DTI 資訊學習藥物和靶點的判別性表示；大量實驗證明 MIDTI 在 DTI 預測任務上優於其他先進的方法。
總之，MIDTI 是一種高效且準確的藥物-靶點相互作用預測方法，其創新點在於利用多視角資訊和深度注意力機制來增強預測能力。
研究人員表示，接下來將從以下兩個方面開展工作。首先，利用藥物和靶標的其他相關資料來源進行嵌入學習。其次，MIDTI 可以應用於其他連結預測問題，例如 miRNA 與疾病關聯預測。
相關報導：https://academic.oup.com/bioinformatics/article/40/6/btae346/7688335