高效且准确，郑州大学团队开发新AI工具识别药物-靶标相互作用
编辑|枯叶蝶准确识别药物-靶标相互作用（DTI）是药物发现和药物重新定位过程中的关键步骤之一。目前，许多基于计算的模型已被提出，用于预测DTI，并取得了一些显著的进步。然而，这些方法很少关注如何以适当的方式融合与药物和靶标相关的多视角相似性网络。此外，如何充分结合已知的相互作用关系来准确表示药物和靶标尚未得到很好的研究。因此，提高DTI预测模型的准确性仍然是必要的。在最新的研究中，郑州大学、电子科技大学团队提出了一种新方法MIDTI。该方法采用多视图相似性网络融合策略和深度交互式注意机制来预测药物-靶标相
准确识别药物-靶标相互作用（DTI）是药物发现和药物重新定位过程中的关键步骤之一。
目前，许多基于计算的模型已被提出，用于预测 DTI，并取得了一些显著的进步。
然而，这些方法很少关注如何以适当的方式融合与药物和靶标相关的多视角相似性网络。此外，如何充分结合已知的相互作用关系来准确表示药物和靶标尚未得到很好的研究。因此，提高 DTI 预测模型的准确性仍然是必要的。
在最新的研究中，郑州大学、电子科技大学团队提出了一种新方法 MIDTI。该方法采用多视图相似性网络融合策略和深度交互式注意机制来预测药物-靶标相互作用。
结果表明，MIDTI 在 DTI 预测任务上的表现明显优于其他基线方法。消融实验的结果也证实了多视角相似网络融合策略中注意力机制和深度交互注意力机制的有效性。
该研究以「Drug–target interaction predictions with multi-view similarity network fusion strategy and deep interactive attention mechanism」为题，于 2024 年 6 月 6 日发布在《Bioinformatics》。
在新药研发与再利用过程中占据核心地位，传统湿实验方法成本高昂、耗时长久，促使研究者转向计算辅助的药物筛选方法来加速进程。
计算型 DTI 预测方法
主要分为：
- 基于结构的方法：依赖药物分子与靶点结构及结合位点，但受限于某些靶点如膜蛋白结构信息的缺乏。
- 基于配体的方法：基于已知活性小分子建立模型，但在靶点结合配体数量有限时效果不佳。
- 基于机器学习的方法：通过提取药物化学结构和靶点基因序列特征进行二元分类，预测潜在 DTI。
机器学习方法的局限性
目前的方法仅基于药物和靶点自身结构学习表征，忽视了 DTI 对之间的相互作用。
异构网络构建
生物实体间关系蕴含丰富语义信息，构建融合异构信息的网络有助于系统理解 DTI。
MIDTI 方法
郑州大学团队提出了 MIDTI，一种预测 DTI 的新方法，基于：
- 多视角相似性网络融合策略
- 深度交互式注意力机制
MIDTI 的整体框架
图示：MIDTI 的整体框架（来源：论文）
步骤：
- 构建相似性网络：MIDTI 根据药物关联信息构建药物相似性网络，并采用融合策略获得集成的药物相似性网络；同样地建立集成的目标相似性网络。
- 学习嵌入：MIDTI 采用 GCN 从集成药物相似性网络、集成目标相似性网络、药物-目标二分网络和药物-目标异构网络中学习药物和目标嵌入。
- 判别嵌入：MIDTI 利用交互式注意机制，根据已知的 DTI 关系学习判别嵌入。
- 预测 DTI：将学习到的药物-靶标对表征输入 MLP 中，以预测 DTI。
图示：多视角药物相似性网络融合策略的四个步骤。（来源：论文）
为了评估 MIDTI 的性能，研究者采用了多种评估指标，包括准确率（ACC）、曲线下面积（AUC）、精确-召回曲线下面积（AUPR）、F1 分数和马修斯相关系数（MCC）。研究人员将 MIDTI 与其他十种竞争性方法进行了比较，这些方法包括随机森林、图卷积网络、图注意力网络、MMGCN、GraphCDA 和 DTINet 等。
MIDTI 在 ACC、AUC 和 AUPR 指标上分别获得了 0.9340、0.9787和 0.9701 的分数，比 MMGCN 和 GraphCDA 的最高分数高出 2.55%、2.31% 和 2.30%。这表明 MIDTI 在预测药物-靶点相互作用方面是最具竞争力的方法之一。在不同正负样本比例的实验中，MIDTI 也表现出了优秀的性能。
研究还展示了 MIDTI 学习到的药物-靶点嵌入的可视化结果，使用 t-SNE 工具将嵌入映射到二维空间。随着训练轮数的增加，正例和反例逐渐被区分开来，这证明了 MIDTI 所学习的嵌入具有良好的区分力和解释性，从而提高了 DTI 预测的准确性。
MIDTI 的核心贡献在于：
- 它提出了一种新的多视角相似网络融合策略，可以在无监督的方式下整合不同相似网络；
- 使用深度交互注意力机制，根据已知的 DTI 信息学习药物和靶点的判别性表示；
- 大量实验证明 MIDTI 在 DTI 预测任务上优于其他先进的方法。
总之，MIDTI 是一种高效且准确的药物-靶点相互作用预测方法，其创新点在于利用多视角信息和深度注意力机制来增强预测能力。
研究人员表示，接下来将从以下两个方面开展工作。首先，利用药物和靶标的其他相关数据源进行嵌入学习。其次，MIDTI 可以应用于其他链接预测问题，例如 miRNA 与疾病关联预测。
相关报道：https://academic.oup.com/bioinformatics/article/40/6/btae346/7688335
南京邮电大学“光擎智算”团队联合南京大学，攻克GaN基Micro-LED器件技术，成功搭建实验室级光计算验证系统。团队自主研发的5×5 Micro-LED光电计算阵列芯片已进入流片封装阶段，实现了图像识别等算力任务验证，推动光计算技术从理论走向工程落地。
苹果与铠侠签署为期3-5年的NAND闪存长期供应协议，且可能不设价格上限。此举旨在应对AI数据中心需求激增导致的芯片供应紧张，从单纯压价转向确保稳定供货。
一项研究揭示大语言模型在文本嵌入任务中表现平庸的根源：反嵌入矩阵边缘频谱引入高频词偏见。提出的EmbedFilter方法通过滤除该噪声，在MTEB49项任务上显著提升性能，且无需重新训练，兼容多种基线方法。
2026年世界人工智能大会将于7月17日至20日举办，超过300款人工智能新品全球首发，1400多位嘉宾参会，近140场论坛，展览面积超过10万平方米，促成意向合作金额达162亿元，并且推出首个自主举办的国际顶级人工智能学术会议。
618”期间，AI全面渗透电商，超百万商家使用AI工具提升效率。政策补贴拉动绿色智能家电及汽车消费，市场回暖。供应链升级实现仓配一体化，时效大幅提升，多链协同激活内需活力。
AI生成作品虽完美却缺乏“活人感”，这一悖论贯穿艺术史。《红楼梦》中已批判套路化创作。真正活人感源于创作者内化形式美规律后的即兴发挥与平衡，而非单纯拒绝美化。能否尊重生活细节、容忍碰撞，决定作品是否鲜活，这也是艺术的根本功用。
商务部等8部门发布《关于加快“人工智能+消费”发展的实施意见》，围绕服务消费和商品消费两大领域，明确居家、养老、文旅、教育等场景的AI应用方向，推广智能家居、养老机器人等产品，并适度超前布局城市智能设施。
商汤与香港科技园合作共建国产AI算力中心，目标2030年前实现超40000P算力规模，首阶段预计今年完成。该中心配备国产GPU集群，支撑模型训练与推理，服务本地及国际客户。商汤临港AIDC已有4.04万P算力运营经验。
亚马逊正考虑将其开发的TrainiumAI芯片直接出售给其他公司，以挑战英伟达主导地位。该芯片面向需要本地化数据解决方案的国际企业，亚马逊表示不会影响AWS云业务收入，谷歌也有类似计划。
广东省印发服务业扩能提质方案，聚焦AI机遇，建设国际竞争力的软件与信息技术创新中心，包括培育核心企业、构建AI服务体系、攻关核心技术、建设开源生态，并部署融资租赁、金融合作、算力网络、6G及智能应用。
Windows 10 是一款微软推出的经典操作系统，拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起，适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
