UniDTI：一种整合多模态多尺度药物表示的药物-靶点相互作用预测统一深度学习框架

《Digital Discovery》：UniDTI: A Multi-modal and Multi-scale Unified Framework for Predicting Drug-Target InteractionsOpen Access

　　

准确识别药物-靶点相互作用(DTI)是现代药物发现的核心，但由于分子识别在不同化学和生物尺度上表示，仍然具有挑战性。在这里，我们提出了UniDTI，一个统一的深度学习框架，它整合了互补的药物表示（SMILES和IUPAC序列、原子和子结构层面的图、ECFP指纹以及理化描述符）与蛋白质序列特征以及AlphaFold2/P2Rank衍生的口袋图。跨模态融合阶段采用并调整了先前基于意图的DTI工作中使用的双向意图网络(BIN)公式，而UniDTI的主要贡献是将此交互算子与一个更丰富的多模态和多尺度表示管道结合在一个端到端模型中。在BindingDB、BioSNAP、Davis、DRH以及聚焦GPCR的GLASS基准上，UniDTI在评估设置下提供了具有竞争力或领先的表现。冷药物、冷靶点、低数据和跨域实验进一步支持了其可迁移性，尽管性能取决于基准和划分，并且并非在所有基线上都统一占优。作为一个实用演示，UniDTI被用作针对μ-阿片受体(MOR)的虚拟筛选工作流的第一阶段，随后进行的实验测试鉴定出了两种活性化合物。这些结果支持UniDTI作为一个整合性的DTI预测和优先级排序框架，同时也定义了需要更严格的支架/家族级别的分布外评估和更广泛的预期验证。

此内容仅可通过PDF获取。

打开 PDF UniDTI：一种用于预测药物-靶点相互作用的多模态和多尺度统一框架在另一个窗口

? 2026 作者。由皇家化学会出版

2026

作者

本文根据知识共享署名-非商业性使用 4.0 未移植许可证授权。您可以将此文章中的材料用于其他出版物，而无需向RSC申请进一步许可，前提是给出正确的致谢且未用于商业用途。

本作品根据 知识共享署名-非商业性使用 4.0 国际许可证 授权。