提出了一种Molecular Interaction Transformer来解决这些限制,通过:(i)知识启发的子结构模式挖掘算法和交互建模模块,以实现更准确和可解释的 DTI 预测,以及(ii)增强变压器编码器,以更好地提取和捕获从大量未标记的生物医学数据中提取的子结构之间的语义关系。我们根据真实数据评估 MolTrans,并表明与最先进的基线相比,它提高了 DTI 预测性能。
提出了一种Molecular Interaction Transformer来解决这些限制,通过:(i)知识启发的子结构模式挖掘算法和交互建模模块,以实现更准确和可解释的 DTI 预测,以及(ii)增强变压器编码器,以更好地提取和捕获从大量未标记的生物医学数据中提取的子结构之间的语义关系。我们根据真实数据评估 MolTrans,并表明与最先进的基线相比,它提高了 DTI 预测性能。