亲和力为何用回归而非分类
蛋白-配体相互作用存在连续的结合强度(如pKd、KIBA分数)。把任务做成二分类会丢失强度信息,不利于候选分子排序。DeepDTA 用卷积神经网络分别编码药物SMILES与蛋白氨基酸序列,拼接后回归预测亲和力值。
步骤一:编码两条序列
将SMILES与蛋白序列映射为字符索引,用一维卷积提取局部模式(官能团、结构域)。
import torch, torch.nn as nn
class CNNBlock(nn.Module):
def __init__(self, in_ch, out_ch, k=8):
super().__init__()
self.net = nn.Sequential(
nn.Conv1d(in_ch, out_ch, k), nn.ReLU(),
nn.Conv1d(out_ch, out_ch, k), nn.ReLU(),
nn.MaxPool1d(2))
def forward(self, x): return self.net(x)
drug_enc = CNNBlock(1, 32); prot_enc = CNNBlock(1, 32)
步骤二:拼接回归头
两分支全局池化后拼接,经全连接层输出单一亲和力标量,损失用均方误差。
class DeepDTA(nn.Module):
def __init__(self):
super().__init__(); self.d = CNNBlock(1,32); self.p = CNNBlock(1,32)
self.head = nn.Sequential(nn.Linear(64, 1024), nn.ReLU(), nn.Linear(1024, 1))
def forward(self, d, p):
f = torch.cat([self.d(d).mean(-1), self.p(p).mean(-1)], 1)
return self.head(f)
loss_fn = nn.MSELoss() # 评估用一致性指数 CI
步骤三:用公开基准验收
在 BindingDB、DAVIS、KIBA 等公开基准上训练与验收,以一致性指数(CI)衡量排序能力。复现时注意序列长度截断与字符表对齐,避免数据泄露;该骨架仅作基线,不替代实验验证与专家评审。
本文为示意性骨架,真实研发须结合湿实验验证、合规审查与专家判断,模型输出不构成疗效承诺。
参考来源
DeepDTA: deep drug-target binding affinity prediction - Bioinformatics 2018 (DOI 10.1093/bioinformatics/bty593)。BindingDB 药物-靶点亲和力数据库 - BindingDB。DAVIS / KIBA 亲和力基准数据集 - 公开学术基准。