CWQF-T-CSDN博客

原创药物靶标相互作用（五）

CPInformer用于高效、鲁棒的复合蛋白质相互作用预测 2023.1 三区问题：使用GNN、GCN等不足以区分结构相同的药物分子，通过他们得到的特征比较相似，但是与蛋白质作用时候的CPI是完全不同的。TransformerCPI 中过度自注意力机制的堆叠显着提高了模型参数，从而降低了模型在训练和测试阶段的效率。

2024-04-17 10:58:40 638 1

原创解决错误：RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED when calling `cublasCreate(handle)`

如标签的数量不等于网络输出通道的数量，即预测的输出类的数量。调整输出以匹配，它应该可以解决问题。1.减小batch_size。检查GPU内存，这个错误很可能是由于GPU的运行内存不够引起的。此外，可以使用如下命令格式来输出它的底层问题。5.上述方案都不能解决时候（2.更新GPU驱动程序。

2023-10-23 17:40:07 2266 3

（1）蛋白质：提取蛋白质的结合位点之后，将它们表示为单独的图，其中每个原子都是一个节点，原子之间的连接是图中的边。（3）图注意力嵌入：使用拓扑自适应图CNN（TAGCN）（其输出是节点特征向量的串联），根据论文Gated graph sequence neural networks提出的方法对蛋白质和药物的图进行池化、提取嵌入操作（使用零填充将每个矩阵重塑为数据集中最大数量的结合口袋，并且蛋白质图的hops是4（代码里是2），药物图的hops是2）都是五次卷积。，并结合邻居节点的权重来更新节点的特征表示。

2023-10-17 17:28:01 333