一种基于统一消息的时序特征融合用于药物-靶点结合亲和力的预测

本发明公开本发明提供一种基于统一消息的时序特征融合用于药物‑靶点结合亲和力预测分类方法，属于医疗预测领域。本发明的方法包括以下步骤：通过RDKit将药物的SMILES序列转换为子图形式，而蛋白质序列则用one‑hot编码表示；通过特定的特征提取模块独立学习药物分子图谱和蛋白质序列的表示；特征学习完成后，模型采用TFAM融合网络，可以综合考虑两个不同特征的信息，将学习到的特征分别融合；最后，通过几个完全连接的层来估计输出的药物靶标亲和力值，整个模型的架构设计如图1所示。在两个公共数据集(Davis和KIBA)上进行的实验表明，本发明比之前的药靶亲和力预测方法具有更好的性能。