一种基于图神经网络块的药物-靶标互作预测方法

本发明公开了一种基于图神经网络块的药物‑靶标互作预测方法。准确的判别药物与靶标间的相互作用是药物发现的一个关键阶段，而药物与靶标互作预测的核心在于合理的分子表征学习。以往的研究已经证实GNN在药物特征编码方面的有效性。但是这些基于GNN的方法无法有效地兼顾药物分子的局部子结构特征与分子整体结构属性。针对目前的难点，提出了名为GNNBlockDTI的框架。GNNBlockDTI通过将多层GNN组合为一个GNNBlock单元，并引入特征增强策略，以捕获局部范围内药物图谱的子结构模式。再利用门控单元机制在各GNNBlock之间进行冗余信息过滤，以获取有效的药物整体结构信息。本发明能够有效的编码药物分子的全局以及的局部结构属性，并提高药物‑靶点互作预测的准确率。