仅用线性对齐预训练嵌入,即可在无需复杂深度架构的情况下实现可解释的激酶药物-靶点预测
- 线性模型把ChemBERTa分子嵌入和ESM-2蛋白嵌入投影到同一空间，药物与靶点之间的余弦相似度即为预测的亲和力。
- 模型先在大规模精选相互作用数据上预训练，再在KIBA和Davis激酶基准上评估，作者报告其表现优于现有方法。
- 据称所学空间无需监督即可还原激酶组的系统发育关系，并能检索已获批药物的已知靶点，但验证似为回顾性，未见新的实验。
💡 要点 基于摘要的观点
只靠两个冻结嵌入加一个余弦相似度，简洁得让人喜欢，但也恰恰因此要盯紧数据划分。随机划分会让近乎相同的激酶抑制剂分处训练集和测试集，预训练语料也可能与基准配对重叠。在相信它领先深度模型之前，我想先用自己项目的骨架打一遍分。