文章摘要:准确的药物-靶标相互作用预测在药物发现和重新定位中有重要作用。传统的方法要么费时（基于模拟的方法），要么严重依赖领域的专业知识（基于相似性和基于特征的方法），而且现有的使用单一数据信息或稀疏数据的计算方法普遍准确性不高。尽管多个异构网络整合已被广泛用于预测药物靶标，但如何尽可能多的保留网络结构信息仍然是一个巨大的挑战。本文提出了一种新颖的框架NGDTI，不仅从网络中提取相关的生物学特性和关联信息，而且保留重要的网络拓扑信息。它利用了图神经网络更新提取的特征信息，所发现的药物和靶标的拓扑特征使药物-靶标相互作用预测更加准确。与最新的基准方法相比，AUPR值提高了近1.0％。实验结果表明，NGDTI在药物开发和重新定位方面有良好的应用前景。

文章关键词:

项目基金: