一种基于多模态神经网络模型的DTA预测方法

本发明提供了一种基于多模态神经网络模型的DTA预测方法，涉及药物发现技术领域，该方法包括：采集药物数据及标靶蛋白数据，并对其进行预处理，构建MDNN‑DTA预测模型，基于采集的数据生成数据集，基于数据集对MDNN‑DTA预测模型进行训练，得到训练后的MDNN‑DTA预测模型，将待预测的数据输入训练后的MDNN‑DTA预测模型，得到预测结果。本发明利用GCN和CNN构建了特征提取模块，分别用于捕捉药物分子和目标蛋白质的序列特征，还通过一个基于注意力的特征融合块(PFF)整合蛋白质序列的多尺度特征，进一步提高了模型的准确性。