ACS Omega｜基于多特征提取和融合的深度药物-靶点结合亲和力预测方法

文章预览

药物-靶点结合亲和力（DTA, Drug-Target Binding Affinity）预测是药物研发中的重要课题之一。它不仅决定了药物与靶点之间的相互作用强度，还对药物筛选、优化和临床应用具有重要指导意义。然而，由于药物化合物和潜在靶点数量庞大，通过生物实验全面测量DTA既费时又费力。因此，开发高效准确的计算方法来预测DTA值成为当务之急。 2025年1月10日，ACS Omega上发表的文章Deep Drug–Target Binding Affinity Prediction Based on Multiple Feature Extraction and Fusion，提出了一种 名为BTDHDTA的深度学习模型，创新性地结合多特征提取模块和高效的特征融合机制，在多个数据集上的性能显著优于现有方法。 本文将结合文献内容，从研究背景、模型原理、实验结果和应用前景等方面对该研究进行详细解读。 研究背景 1 DTA预测的意义 药物开发的核心在于找到特定靶点与化合物之间的 ………………………………