MMFA-DTA: Multimodal Feature Attention Fusion Network for Drug-Target Affinity Prediction for Drug Repurposing Against SARS-CoV-2

药物重新定位 药品 药物靶点 重新调整用途 特征(语言学) 药物发现 严重急性呼吸综合征冠状病毒2型(SARS-CoV-2) 2019年冠状病毒病(COVID-19) 计算机科学 计算生物学 药理学 生物信息学 医学 生物 疾病 语言学 哲学 病理 传染病(医学专业) 生态学
作者
Guanxing Chen,Haohuai He,Qiujie Lv,Lu Zhao,Calvin Yu‐Chian Chen
出处
期刊:Journal of Chemical Theory and Computation [American Chemical Society]
标识
DOI:10.1021/acs.jctc.4c00663
摘要

The continuous emergence of novel infectious diseases poses a significant threat to global public health security, necessitating the development of small-molecule inhibitors that directly target pathogens. The RNA-dependent RNA polymerase (RdRp) and main protease (Mpro) of SARS-CoV-2 have been validated as potential key antiviral drug targets for the treatment of COVID-19. However, the conventional new drug R&D cycle takes 10-15 years, failing to meet the urgent needs during epidemics. Here, we propose a general multimodal deep learning framework for drug repurposing, MMFA-DTA, to enable rapid virtual screening of known drugs and significantly improve discovery efficiency. By extracting graph topological and sequence features from both small molecules and proteins, we design attention mechanisms to achieve dynamic fusion across modalities. Results demonstrate the superior performance of MMFA-DTA in drug-target affinity prediction over several state-of-the-art baseline methods on Davis and KIBA data sets, validating the benefits of heterogeneous information integration for representation learning and interaction modeling. Further fine-tuning on COVID-19-relevant bioactivity data enhances model predictions for critical SARS-CoV-2 enzymes. Case studies screening the FDA-approved drug library successfully identify etacrynic acid as the potential lead compound against both RdRp and Mpro. Molecular dynamics simulations further confirm the stability and binding affinity of etacrynic acid to these targets. This study proves the great potential and advantages of deep learning and drug repurposing strategies in supporting antiviral drug discovery. The proposed general and rapid response computational framework holds significance for preparedness against future public health events.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
kanong完成签到,获得积分0
2秒前
ljssll完成签到 ,获得积分10
2秒前
孔乙己发布了新的文献求助10
3秒前
4秒前
8秒前
onetec发布了新的文献求助10
9秒前
hmhu完成签到,获得积分10
11秒前
kkk完成签到 ,获得积分10
11秒前
hmhu发布了新的文献求助10
15秒前
wll学医不秃头完成签到,获得积分10
16秒前
喜悦的香之完成签到 ,获得积分10
18秒前
落夜完成签到,获得积分10
18秒前
璐璐完成签到 ,获得积分10
18秒前
Antonio完成签到 ,获得积分10
28秒前
心想事成完成签到 ,获得积分10
32秒前
onetec完成签到,获得积分10
35秒前
SX0000完成签到 ,获得积分10
36秒前
suki完成签到 ,获得积分10
44秒前
苏子轩完成签到 ,获得积分10
46秒前
48秒前
顾矜应助Una采纳,获得10
49秒前
雪菜发布了新的文献求助10
53秒前
独步出营完成签到 ,获得积分10
58秒前
DOUBLE完成签到,获得积分10
58秒前
巾凡完成签到 ,获得积分10
58秒前
59秒前
喜悦的鬼神完成签到 ,获得积分10
1分钟前
Una发布了新的文献求助10
1分钟前
犹豫翠萱完成签到 ,获得积分10
1分钟前
Una完成签到,获得积分10
1分钟前
wll学医不秃头关注了科研通微信公众号
1分钟前
阿桂完成签到 ,获得积分10
1分钟前
J陆lululu完成签到 ,获得积分10
1分钟前
沙子完成签到 ,获得积分0
1分钟前
娟儿完成签到 ,获得积分10
1分钟前
Ray完成签到 ,获得积分10
1分钟前
李志全完成签到 ,获得积分10
1分钟前
SCINEXUS完成签到,获得积分0
2分钟前
想飞的熊完成签到 ,获得积分0
2分钟前
sydhwo完成签到 ,获得积分10
2分钟前
高分求助中
The ACS Guide to Scholarly Communication 2500
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Achieving 99% link uptime on a fleet of 100G space laser inter-satellite links in LEO 1000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Ethnicities: Media, Health, and Coping 700
Sustainable Land Management: Strategies to Cope with the Marginalisation of Agriculture 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3090976
求助须知:如何正确求助?哪些是违规求助? 2743309
关于积分的说明 7573005
捐赠科研通 2393970
什么是DOI,文献DOI怎么找? 1269590
科研通“疑难数据库(出版商)”最低求助积分说明 614345
版权声明 598756