Comput Biol Med｜KNU-DTI：知识融合驱动的药物-靶标相互作用预测新范式

本文介绍了KNU-DTI模型，一种通过多模态特征融合与正交知识统一机制来预测药物-靶标相互作用(DTI)的新方法。背景方面，现有DTI预测模型面临全局关系建模不足、多模态特征冗余及跨域泛化能力受限等挑战。研究目的是通过整合蛋白质和化合物的多模态特征，提升预测精度与泛化能力。KNU-DTI在蛋白质表征中结合结构属性序列与Transformer全局语义，在化合物表征中整合图神经网络、扩展连接指纹及序列Transformer。实验结果表明，KNU-DTI在多个基准数据集上表现优异，RMSE降至0.780，一致性指数提升至0.8410，且在新靶点预测中展现出较强的鲁棒性。结论指出，KNU-DTI通过算法特征提取与深度学习的协同创新，为药物发现提供了实用化工具，并为AI+Drug领域的技术融合树立了标杆。