来源：期刊VIP网 时间：
作者：王伟;吴世玉;刘栋;梁慧茹;史进玲;周运;张红军;王鲜芳;
单位：河南师范大学计算机与信息工程学院;河南省教育人工智能与个性化学习重点实验室;许昌学院国际教育学院;河南理工大学鹤壁工程技术学院;河南工学院计算机科学与技术学院;
摘要：蛋白质-配体的结合亲和力预测是药物重定位回归中具有挑战性的任务。深度学习方法可以有效预测蛋白质与配体相互作用的结合亲和力，减少药物发现的时间和成本。由此，基于长短期记忆模块(LSTM)和注意力机制模块(attention)提出了一种深度卷积神经网络模型(DLLSA)。模型由嵌入LSTM和空间注意力模块(spatial-attention)的卷积网络并行模块构建，其中LSTM模块针对蛋白质-配体接触特征的长序列信息，spatial-attention注意力模块聚集接触特征局部信息。采用PDBbind(v.2020)数据集进行训练，CASF-2013和CASF-2016数据集进行验证，模型的皮尔逊相关系数相比于PLEC模型分别提高了0.6%和3%,实验结果显著优于其他相关方法。
关键词：结合亲和力;;卷积神经网络;;注意力机制;;评分功能;;机器学习
基金资助：国家自然科学基金(62072157);; 河南省科技攻关项目(242102211045,242102210001);; 河南师范大学高性能计算中心项目
