Deeppurpose：薬物ターゲット相互作用の予測のための深い学習ライブラリ

概要：薬物ターゲット相互作用（DTI）の正確な予測は、創薬に不可欠です。最近、DTI予測の有望なパフォーマンスを示すディープラーニング（DL）モデル。ただし、これらのモデルは、DLの経験が限られている生物医学分野に入るコンピューター科学者と生体情報学者の両方に使用するのが難しい場合があります。DTI予測のための包括的で使いやすいDLライブラリであるDeeppurposeを提示します。Deeppurposeは、15の化合物とタンパク質エンコーダーと50を超えるニューラルアーキテクチャを実装することにより、カスタマイズされたDTI予測モデルのトレーニングをサポートし、他の多くの有用な機能を提供します。いくつかのベンチマークデータセットでDeeppurposeの最先端のパフォーマンスを示します。 可用性と実装：https：//github.com/kexinhuang12345/deeppurpose。 補足情報：補足データは、バイオインフォマティクスオンラインで入手できます。

SUMMARY: Accurate prediction of drug-target interactions (DTI) is crucial for drug discovery. Recently, deep learning (DL) models for show promising performance for DTI prediction. However, these models can be difficult to use for both computer scientists entering the biomedical field and bioinformaticians with limited DL experience. We present DeepPurpose, a comprehensive and easy-to-use DL library for DTI prediction. DeepPurpose supports training of customized DTI prediction models by implementing 15 compound and protein encoders and over 50 neural architectures, along with providing many other useful features. We demonstrate state-of-the-art performance of DeepPurpose on several benchmark datasets. AVAILABILITY AND IMPLEMENTATION: https://github.com/kexinhuang12345/DeepPurpose. SUPPLEMENTARY INFORMATION: Supplementary data are available at Bioinformatics online.