药物-靶标相互作用预测

准确识别潜在的药物-靶点相互作用（DTI）是药物发现的关键步骤。尽管过去几十年来已经开展了许多相关的DTI鉴定实验研究，但基于生物实验的DTI鉴定仍然耗时且昂贵。

我们开发了一种基于异构“图”卷积网络的新型“端到端”学习框架，用于“DTI”预测，称为端到端图。给定包含多种类型生物实体（即药物、蛋白质、疾病、副作用）的异构网络，EEG-DTI 使用基于图卷积网络的模型学习药物和靶标的低维特征表示，并根据学到的特征。在训练过程中，EEG-DTI以端到端的方式学习节点的特征表示。


作为共同作者完成对比方法的复现和测试。