DPTM-DT：双预训练 Transformer 多任务药物靶点预测
原文标题：DPTM-DT: Dual-Pretrained Transformer Multitask Representation Learning for Drug-Target Prediction
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 DPTM-DT 框架，融合 GROVER 分子图嵌入、ESM 蛋白语言模型嵌入与 CTD 理化描述符，并通过双向跨模态注意力交换药物-靶点信息。共享对表示同时用于亲和力回归、高亲和力二分类与六级亲和力分类，在 Davis 和 KIBA 数据集上均取得最优综合表现。消融表明双靶点表示、门控融合与跨模态注意力各有贡献。
- 问题
- 药物-靶点预测中药物/蛋白表示不完整、跨模态交互浅、回归与分类任务分开训练。
- 方法
- 融合GROVER分子图、ESM蛋白语言模型与CTD描述符，用双向跨模态注意力共享对表示做多任务学习。
- 结果
- Davis随机80/20划分MSE/CI为0.193/0.917，KIBA为0.120/0.918，综合表现优于对比方法。
- 影响
- 多任务共享表示加跨模态注意力可同时提升亲和力回归与分类，适合药物筛选与重定位场景落地。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。