Skip to content

Latest commit

 

History

History
158 lines (121 loc) · 5.28 KB

README_cn.md

File metadata and controls

158 lines (121 loc) · 5.28 KB

GraphDTA

中文版本 English Version

背景介绍

了解哪些药物对靶标蛋白起作用对于新药研发、老药新用都很有帮助。GraphDTA模型将药物分子表示为图数据，然后使用图神经网络预测药物和靶标蛋白的亲和性。

数据集

首先，在该应用目录下创建一个data子目录，作为数据集的root目录。

mkdir -p data && cd data

Davis

Davis数据集包含了72种药物和442种靶标蛋白任意之间的Kd值（平衡解离常数）。Kd值越小，说明药物和靶标蛋白之间的亲和性越高。

执行下面的命令即可下载并解压Davis数据集：

wget https://baidu-nlp.bj.bcebos.com/PaddleHelix/datasets/dti_datasets/davis_v1.tgz -O davis.tgz
tar -zxvf davis.tgz

Kiba

Kiba数据集包含了2,116种药物和229种靶标蛋白，不同于Davis数据集，部分药物和靶标蛋白直接没有亲和性指标。另外，Kiba使用KIBA分数作为亲和性的评估指标。KIBA分数提供了一种基于统计分析的归一化不同亲和性指标（Ki, Kd, IC50）的方法。

执行下面的命令即可下载并解压Kiba数据集：

wget https://baidu-nlp.bj.bcebos.com/PaddleHelix/datasets/dti_datasets/kiba_v1.tgz -O kiba.tgz
tar -zxvf kiba.tgz

下载完成后，data目录看起来是这样的：

data
├── davis
│   ├── folds
│   │   ├── test_fold_setting1.txt
│   │   └── train_fold_setting1.txt
│   ├── ligands_can.txt
│   ├── processed
│   │   ├── test
│   │   │   └── davis_test.npz
│   │   └── train
│   │       └── davis_train.npz
│   ├── proteins.txt
│   └── Y
├── davis.tgz
├── kiba
│   ├── folds
│   │   ├── test_fold_setting1.txt
│   │   └── train_fold_setting1.txt
│   ├── ligands_can.txt
│   ├── processed
│   │   ├── test
│   │   │   └── kiba_test.npz
│   │   └── train
│   │       └── kiba_train.npz
│   ├── proteins.txt
│   └── Y
└── kiba.tgz

使用说明

参数设置

Python脚本scripts/train.py是GraphDTA模型的入口，它创建了src/model.py中的DTAModel模型，并完成训练和评估等功能。由于GraphDTA将蛋白质序列转换为定长的新序列，参数设置上最接近原论文的是：

  • model_configs/fix_prot_len_gat_config.json (GAT)
  • model_configs/fix_prot_len_gat_gcn_config.json (GAT-GCN)
  • model_configs/fix_prot_len_gcn_config.json (GCN)
  • model_configs/fix_prot_len_gin_config.json (GIN)

训练与评估

为了方便实验，我们提供了shell脚本scripts/train.sh来运行实验，它的使用方法是：

./scripts/train.sh DATASET YOU_CONFIG_JSON [EXTRA-ARGS]

例如，要在Davis数据集上训练GIN模型，只需要执行：

./scripts/train.sh davis model_configs/fix_prot_len_gin_config.json

需要注意的是，在Kiba数据集上训练GIN模型时，由于数据集使用了KIBA分数作为指标，而非默认的Kd指标，运行脚本时需要加上额外参数：

./scripts/train.sh kiba model_configs/fix_prot_len_gin_config.json --use_kiba_label

进行评估时，我们使用回归任务中标准的均方误差MSE作为指标，除此之外，引入一致性指数CI作为新指标。均方误差越小，一致性指数越大，模型的预测性能越好。

Davis数据集上的效果：

Methods MSE CI
GCN 0.251 0.888
GAT_GCN 0.244 0.885
GAT 0.250 0.887
GIN 0.242 0.889

Kiba数据集上的效果：

Methods MSE CI
GCN 0.179 0.880
GAT_GCN 0.142 0.895
GAT 0.192 0.867
GIN 0.177 0.878

引用

GraphDTA

@article{nguyen2020graphdta, title={GraphDTA: Predicting drug-target binding affinity with graph neural networks}, author={Thin Nguyen, Hang Le, Thomas P. Quinn, Tri Nguyen, Thuc Duy Le, and Svetha Venkatesh}, journal={Bioinformatics}, year={2020}, url={https://doi.org/10.1093/bioinformatics/btaa921} }

Davis

@article{davis2011natbiotech, title={Comprehensive analysis of kinase inhibitor selectivity}, author={Mindy I Davis, Jeremy P Hunt, Sanna Herrgard, Pietro Ciceri, Lisa M Wodicka, Gabriel Pallares, Michael Hocker, Daniel K Treiber and Patrick P Zarrinkar}, journal={Nature Biotechnology}, year={2011}, url={https://doi.org/10.1038/nbt.1990} }

Kiba

@article{tang2014kiba, title={Making sense of large-scale kinase inhibitor bioactivity data sets: a comparative and integrative analysis}, author={Jing Tang 1, Agnieszka Szwajda, Sushil Shakyawar, Tao Xu, Petteri Hintsanen, Krister Wennerberg, Tero Aittokallio}, journal={J Chem Inf Model}, year={2014}, url={https://pubs.acs.org/doi/10.1021/ci400709d} }