摘要

本文介绍了一种用于药物-靶点相互作用（DTI）建模的基准测试平台 GTB-DTI，旨在推动 DTI 研究，特别是强调结构信息的利用。作者通过对现有方法的详细综述和实验，统一了超参数设置，比较了不同的编码策略和特征处理方法，并对 31 种不同的模型进行了基准测试。最终，作者提出了一种新的模型组合，该组合在回归任务中取得了新的最先进的结果，并且在 DTI 分类中表现与最先进的方法相似。

原理

本文的关键内容是对药物-靶点相互作用建模的研究，其工作原理如下：

1. 基于图神经网络（GNN）的方法：将药物分子表示为图，通过聚合和更新节点特征来学习分子结构。
2. 基于 Transformer 的方法：将药物表示为 SMILES 字符串，利用多头注意力机制来学习分子表示。
3. 特征处理方法：除了使用 GNN 或 Transformer 学习药物结构外，还使用额外的分子属性来构建准确和定量的药物-靶点关系模型。

流程

作者首先对现有方法进行了详细综述，然后统一了超参数设置，比较了不同的编码策略和特征处理方法。接着，作者对 31 种不同的模型进行了基准测试，并分析了它们的性能。最后，作者提出了一种新的模型组合，并对其进行了评估。

应用

本文的研究成果可以应用于药物研发、药物设计等领域，有助于提高药物研发的效率和成功率。