预测化合物和蛋白质的相互作用(Compound Protein Interaction, CPI)的可以加快药物的研发与疾病的治疗。目前对于CPI的研究大多是基于序列（SMILES或FASTA）或图结构（graph）。受计算机视觉领域最新研究成果的启发，华东师范大学计算机学院张倩/钱莹等提出从一种全新的视角，即利用分子图像（image），来表征分子结构信息，从而预测CPI。相关研究成果近期在计算化学专业期刊Journal of Computational Chemistry上发表。

图1、化合物分子的表示形式。

化合物可以有多种形式表示。从图1中可以看出相较于其他分子表现形式，图像包含了更多的分子内部信息以及空间结构信息。近年来，计算机视觉领域最新研究成果证明：图像中物体的位置、几何、空间结构、相互关系等特征，可以被深度学习充分地表征，且这些特征对目标分类、检测、识别和相似目标生成等具有巨大的贡献。因此，论文在此构建了一个基于化合物分子图像特征提取的CPI模型。PWO-CPI模型图如图2所示。整个模型包含三个模块：化合物特征提取器、蛋白质特征提取器和分类器。首先构建了一个CNN的模型来学习化合物分子图像中的信息。其次在利用Word2vec模型来学习蛋白质序列的特征表示。最后通过全连接层来预测结果。

图2、PWO-CPI模型结构图。

表1.  Human数据集试验结果。

表2. Celegans 数据集试验结果。

为了验证模型的有效性，分别在Human¹和Celegans¹两个数据集上进行CPI实验并取得最好的结果，试验结果如表1、表2所示。通过与传统机器学习和深度学习方法的对比，化合物结构式图像可以很好的用于表示分子。此外，为了验证分子图像表现形式的有效性，还单独将化合物提取器的模型提取出来用于DDI (Drug-Drug Interaction) 任务。通过化合物特征提取器中的CNN模型来学习两张不同药物分子图像中的信息，在Biosnap²数据集上进行试验预测药物之间是否有相互作用。根据表3中的实验结果显示，对药物分子的图像表征进行学习可以大大提高DDI的预测结果。

表3. DDI试验结果对比。

图3、通过GAN网络生成的图像和真实图像的比较。

最后构建一个对抗神经网络 (GAN) 来对分子图像进行学习，查看CNN模型是否有效学习到分子图像中的信息。通过GAN网络生成的图像和真实图像的对比如图3所示。从对比中可以看出CNN模型可以有效的学习分子的结构信息。

论文第一作者为华东师范大学计算机学院钱莹副教授，通讯作者为华东师范大学计算机学院张倩副研究员，共同作者为徐志建研究员（中国科学院上海药物研究所）、周爱民研究员（华东师范大学）、李雪莲（华东师范大学硕士）、吴坚（华东师范大学硕士研究生）。

原文链接：

http://doi.org/10.1002/jcc.26786

参考文献：

1.     Liu, H.; Sun, J.; Guan, J.; Zheng, J.; Zhou, S., Improving compound–protein interaction prediction by building up highly credible negative samples. Bioinformatics 2015, 31, i221-i229.

2.     Huang, K.; Xiao, C.; Hoang, T.; Glass, L.; Sun, J. Caster: Predicting drug interactions with chemical substructure representation. In Proceedings of the AAAI Conference on Artificial Intelligence, 2020; 2020; Vol. 34; pp 702-709.