Краткое содержание

arXiv:2407.04055v2 Тип объявления: замена-перекрёстная публикация Аннотация: Моделирование прогнозирования взаимодействия "лекарство-мишень" играет ключевую роль в открытии и разработке лекарственных препаратов, что стало возможным благодаря быстрому развитию технологий глубокого обучения. Недавно разработанные методы, такие как основанные на графовых нейронных сетях (GNN) и трансформерах, демонстрируют выдающиеся результаты по различным наборам данных за счет эффективного извлечения структурной информации. Однако бенчмаркинг этих новых методов часто значительно различается с точки зрения настроек гиперпараметров и наборов данных, что ограничивает прогресс алгоритмов. В свете этого мы провели всесторонний обзор и тестирование моделей для моделирования взаимодействий "лекарство-мишень" с учетом их структуры путем интеграции десятков явных (основанных на GNN) и неявных (основанных на трансформерах) алгоритмов структурного обучения. Мы провели макроскопическое сравнение между этими двумя классами стратегий кодирования, а также различными техниками представления признаков, которые информативны для...