Prédire avec précision l’interaction médicament-protéine (DPI) est crucial dans le dépistage virtuel des médicaments. Cependant, les méthodologies actuelles ont tendance à attribuer un poids égal aux acides aminés et aux atomes dans le codage des séquences de protéines et de médicaments, négligeant ainsi les contributions variables de motifs distincts.

Pour résoudre ce problème, un groupe de chercheurs dirigé par Juan Liu a publié son étude dans Frontiers of Computer Science. .

Leurs recherches ont introduit une méthode, FragDPI, pour prédire l’affinité de liaison médicament-protéine. Cette approche représente l'effort initial visant à incorporer le codage de fragments et à fusionner les informations de séquence des médicaments et des protéines, préservant ainsi les principales caractéristiques liées aux interactions DPI. De plus, cette méthode utilise l'apprentissage par transfert à partir d'ensembles de données DPI importants pour fournir des composants DPI potentiels.

Les résultats expérimentaux démontrent que le modèle FragDPI produit des résultats louables par rapport aux lignes de base, notamment les réseaux neuronaux profonds. Curieusement, le modèle a identifié avec précision les parties d'interaction spécifiques des paires DTI, aidant ainsi à découvrir de nouvelles paires DTI potentielles.

FragDPI présente une nouvelle approche pour extraire des fragments en interaction à partir du mécanisme DPI, offrant ainsi une nouvelle perspective vers la découverte de médicaments.

Plus d'informations : Zhihui Yang et al, FragDPI :un nouveau modèle de prédiction des interactions médicament-protéine basé sur la compréhension des fragments et un codage unifié, Frontiers of Computer Science (2022). DOI :10.1007/s11704-022-2163-9

Fourni par Frontiers Journals