Drug-target interaction prediction based on spatial consistency constraint and graph convolutional autoencoder

Drug-target interaction prediction based on spatial consistency constraint and graph convolutional autoencoder - BMC Bioinformatics

薬物-標的相互作用（DTI）予測は、創薬やリポジショニングにおいて重要な役割を担っています。しかし、関連するDTIを特定するために使用される計算手法のほとんどは、薬剤またはターゲット間の最近接関係の不変性を考慮していない。言い換えれば、それらは表現学習中のノード間の位相的関係の不変性を考慮に入れていない。これは、DTI予測手法の性能を制限する可能性がある。

研究成果

ここでは、DTIを予測するために、SDGAEと名付けられた新しいグラフ畳み込みオートエンコーダーに基づくモデルを提案する。グラフ畳み込みネットワークは、ネットワーク内の孤立したノードを扱うことができないため、異種ネットワーク内の孤立したノードの数を減らし、グラフ畳み込みネットワークの有効活用を促進するために、前処理ステップを適用した。また、表現学習時にグラフ構造を維持することで、埋め込み空間におけるノード間の最近接関係を元の空間に限りなく近い状態に保つことができた。

結論

全体として、SDGAEは薬剤やターゲットの特徴ベクトルをより有益かつ頑健に自動学習し、DTIの予測精度を著しく向上させることが実証された。