Nat Commun｜基于证据的深度学习药物靶点相互作用预测

本文介绍了发表在Nature Communications上的论文“Evidential deep learning-based drug-target interaction prediction”，提出了一种名为EviDTI的新方法，用于药物-靶标相互作用（DTI）预测。该方法通过证据深度学习（EDL）量化预测的不确定性，整合了药物的二维拓扑图和三维空间结构信息以及靶标蛋白的序列特征。实验在三个基准数据集上验证了EviDTI的性能，结果显示其优于11种基线模型，尤其在处理类别不平衡数据时表现出色。此外，EviDTI能够校准预测误差，并通过不确定性指导优先选择高置信度的DTI进行实验验证，从而加速药物发现流程。在酪氨酸激酶调节剂的案例研究中，EviDTI成功识别出针对FAK和FLT3的新型潜在调节剂，进一步证明了其在药物发现中的实用价值。