基于图神经网络的药物-靶标相互作用预测研究

王红梅， 郭真俊， 张丽杰

(长春工业大学 计算机科学与工程学院， 吉林 长春 130012)

0 引 言

在生物信息领域，预测药物-靶标相互作用对药物重定位[1]和药物发现[2]具有重要意义。通过实验来预测药物-靶标相互作用，实验成本昂贵又耗时，所以，采取有效方法预测潜在的药物-靶标的相互作用很有必要。大量生物实验数据和相关文献的出现使生物数据库越来越丰富，这有利于计算方法的发展。目前主流计算辅助药物发现的方法主要有三种：基于相似性的方法[3]、基于深度学习的方法[4]、基于网络的方法[5]，但它们均有一定的缺陷。由于图神经网络在非欧几里得空间的快速发展，越来越多基于图的算法涌现出来，如图卷积网络、图注意力网络、图自动编码器、图嵌入网络等。通过对数据分析，图神经网络可以有效处理特定的数据结构，研究人员将图神经网络引入药物-靶标相互作用的预测，可以探索药物和靶标的深度信息，有利于药物发现，提高实验速度，降低实验成本。

1 图神经网络的简述

神经网络最初是由Sperduti A等[6]应用在有向无环图上，促使了图神经网络(GNN)的发展。Gori M等[7]最先提出图神经网络的概念。Scarselli F等[8]和Gallicchio C等[9]对图神经网络做了进一步阐述。由于卷积神经网络(CNN)在视觉领域的成功发展，图卷积的概念被提了出来，分为基于频谱和基于空域两种类型。由于卷积神经网络的兴起，基于频域的卷积网络ChebNet[10]、GCN[11]、CayleyNet[12]的改进和扩展不断增加。基于空域的卷积神经网络研究远早于基于频域的卷积神经网络，DCNN[13]、PATCHY-SAN[14]、MPNN[15]、GraphSage[16]对基于空域的卷积网络进行了不断改进。……