任务与价值:DTI 为什么重要
据公开研究,药物-靶点相互作用(DTI)指药物分子与体内蛋白质等生物大分子之间的结合过程,是阐明药物作用机制、发现候选靶点与推进新药研发的重要基础。随着 AI 发展,基于 AI 的 DTI 预测已成为加速药物研发的工具,可用于候选筛选、药物重定位与先导优化。公开综述指出,国内在研药物靶点数量持续积累,但原创靶点仍不足,传统试错式筛选难以满足高效率高精度需求。
第一步:认识公开基准数据集
DTI 领域已有较成熟的基准。Davis 与 KIBA 常用于亲和力回归与二分类预测,前者以解离常数 Kd 为指标,后者整合 IC50、Kd、Ki 多类活性值;BindingDB、ChEMBL、DrugBank、PubChem、UniProt、PDB 等则是底层数据与特征抽取的核心来源。需要提醒的是,不同数据集在负样本构造、活性阈值与预处理上并不统一,方法比较应在同一划分与指标下进行。
据公开论文,2026年发布的 PIGLET(斯坦福,bioRxiv)在蛋白质组范围知识图谱上做图变换 DTI 预测,在基于药物的冷启动划分上优于既有模型;HBGCN(PLoS One 2026)用异质生物图卷积整合多模态信息取得有竞争力结果;清华团队在 Advanced Science 的综述则系统指出冷启动与捷径学习是当前核心瓶颈。
第二步:用 RDKit 抽取药物指纹并训练基线
先用 RDKit 把 SMILES 转为 ECFP4 分子指纹,再以靶点标签训练一个梯度提升树基线。下面给出最小可运行示例(真实项目应替换为 BindingDB/Davis 标注数据):
from rdkit import Chem
from rdkit.Chem import AllChem
from sklearn.ensemble import GradientBoostingClassifier
import numpy as np
def ecfp(smiles, n_bits=1024):
m = Chem.MolFromSmiles(smiles)
if m is None:
return np.zeros(n_bits)
fp = AllChem.GetMorganFingerprintAsBitVect(m, radius=2, nBits=n_bits)
return np.array(fp)
# 示例:两条药物,标签表示是否与某靶点相互作用(1/0)
X = np.vstack([ecfp('CCO'), ecfp('c1ccccc1C(=O)O')])
y = np.array([1, 0])
clf = GradientBoostingClassifier(random_state=0).fit(X, y)
print('训练样本数:', X.shape[0], '预测概率:', clf.predict_proba(X)[:, 1])该基线只用于验证流程:把分子转为定长向量、与靶点标签对齐、训练分类器。真实 DTI 需引入靶点序列/结构特征,并用 Davis/KIBA 的官方划分评估 CI、AUPR 等指标,尤其要测试冷启动(未见过的药物或靶点)下的泛化。
第三步:向图神经网络进阶
当引入蛋白序列或知识图谱后,可采用图神经网络(GNN)把药物—靶点—疾病建模为异质图,用节点与边信息学习交互概率,这正是 PIGLET、HBGCN 等方法的思路。工程上可用 PyTorch Geometric 或 DGL 实现消息传递层,配合负采样策略缓解正负样本失衡。
提醒:DTI 预测为辅助筛选手段,所有候选靶点必须由实验验证;涉及生物数据须依规管理,模型结论不构成临床或监管依据。
落地边界与建议
① 先以单靶点、小样本跑通 RDKit+基线流程,确认数据与特征管线可用;
② 引入公开基准做标准化评估,重点看冷启动指标,不被随机划分的高分误导;
③ 把预测结果作为实验优先级排序,而非替代湿实验。
参考来源
Drug-Target Interaction Prediction with PIGLET - bioRxiv(Stanford University, 2026);Heterogeneous biological graph convolutional network for drug-target interaction prediction - PLoS One(2026);How Advanced Artificial Intelligence Technologies Shape Drug-Drug and Drug-Target Interaction Modeling - Advanced Science(清华大学王童课题组, 2026)。