Predecir con precisión la interacción fármaco-proteína (DPI) es crucial en la detección virtual de drogas. Sin embargo, las metodologías actuales tienden a asignar igual peso a los aminoácidos y átomos en la codificación de secuencias de proteínas y fármacos, descuidando así las diferentes contribuciones de distintos motivos.
Para abordar esta cuestión, un grupo de investigadores liderados por Juan Liu han publicado su estudio en Frontiers of Computer Science .
Su investigación introdujo un método, FragDPI, para la predicción de la afinidad de unión entre fármacos y proteínas. Este enfoque representa el esfuerzo inicial para incorporar la codificación de fragmentos y fusionar la información de secuencia de fármacos y proteínas, preservando así las características principales relacionadas con las interacciones DPI. Además, este método emplea el aprendizaje por transferencia de importantes conjuntos de datos de DPI para proporcionar posibles componentes de DPI.
Los resultados experimentales demuestran que el modelo FragDPI produce resultados encomiables en comparación con las líneas de base, incluidas las redes neuronales profundas. Curiosamente, el modelo identificó con precisión las partes de interacción específicas de los pares DTI, lo que ayudó a descubrir nuevos pares DTI potenciales.
FragDPI presenta un enfoque novedoso para extraer fragmentos que interactúan desde el mecanismo DPI, proporcionando así una nueva perspectiva hacia el descubrimiento de fármacos.
Más información: Zhihui Yang et al, FragDPI:un nuevo modelo de predicción de interacción fármaco-proteína basado en la comprensión de fragmentos y la codificación unificada, Frontiers of Computer Science (2022). DOI:10.1007/s11704-022-2163-9
Proporcionado por Frontiers Journals
