预测药物-靶点相互作用（DTI）在药物发现和重新定位的许多阶段都至关重要。许多基于异构网络（HN）的计算方法已经证明了它们通过从元路径（Meta-Path）中捕获广泛的生物学知识和语义信息来预测 DTI 的潜力。
然而，现有方法手动自定义元路径，这过度依赖于某些特定的专业知识。这种策略严重限制了这些模型的可扩展性和灵活性，甚至影响了它们的预测性能。
为了缓解这一限制，华中农业大学的研究人员提出了一种新的基于 HN 的方法，该方法具有用于 DTI 预测的注意元路径提取，称为 HampDTI，它能够通过可学习的注意机制而不是基于领域知识的预定义自动提取有用的元路径。
该研究以「 A heterogeneous network-based method with attentive meta-path extraction for predicting drug–target interactions Get」为题，于 2022 年 6 月 1 日发布在《 Briefings in Bioinformatics》。
论文链接： https://academic.oup.com/bib/article-abstract/23/4/bbac184/6596318?redirectedFrom=fulltext