郑州大学创新AI利器：精准高效识别药物-靶标相互作用，融合MIDTI与多视图相似性网络技术，搭载深度交互式注意力机制及图卷积网络

在药物发现和再利用的关键环节中，准确预测药物-靶标相互作用（DTI）至关重要。近年来，虽然已有多种计算模型用于DTI预测，但大多忽视了药物和靶标间的多视角相似性网络融合及相互作用的充分结合。为解决这一问题，郑州大学与电子科技大学的研究团队提出了一种名为MIDTI的新方法，它结合了多视图相似性网络融合策略和深度交互式注意力机制。

MIDTI通过构建和融合不同的药物和靶标相似性网络，采用图卷积网络（GCN）编码器学习嵌入，再利用深度交互式注意力机制学习判别性表示。实验结果显示，MIDTI在DTI预测任务上的表现优于其他基线方法，如随机森林、图卷积网络等，具体指标如准确率、AUC和AUPR均有显著提升。此外，MIDTI的可视化结果证明了其学习到的嵌入具有良好的区分性和解释性。

该研究强调了MIDTI的两大创新点：一是无监督的多视角相似网络融合策略，二是基于已知DTI信息的深度交互注意力机制。未来的工作计划将探索利用更多相关数据源进行嵌入学习，并将MIDTI应用于其他链接预测问题。

本文来源：