基于图神经网络的抗结核杆菌...物虚拟筛选模型的建立及应用 顾耀文.pdf

: .
数据分析与知测性能（AUC：， AUPR: ）优于传统的机器学****模型和图神经网络模型
的性能表现（平均 AUC：-，平均 AUPR：-），平均 AUC 和 AUPR 的
最大提升幅度达 %和 %。同时，本研究开源 GNN-MTB 模型并构建了抗结核杆菌
药 物 虚 拟 筛 选 预 测 工 具 以 供 广 大 抗 结 核 杆 菌 药 物 研 究 者 使 用 （ -
yaowen/GNN-MTB）。
[局限] 抗结核杆菌药物虚拟筛选模型建模可进一步纳入药物敏感性和菌株耐药性相关分析。
[结论] 本研究提出的抗结核杆菌药物虚拟筛选模型 GNN-MTB 取得了良好性能，可进一步
探索将其应用于抗结核病药物研发。同时，本研究框架也可为其它疾病药物的虚拟筛选提供
参考。
关键词: 图神经网络;课程式学****结核杆菌;虚拟筛选
中图分类号: R961;

GNN-MTB: An Anti-Mycobacterium Drug
Virtual Screening Method based on Graph
Neural Network
Gu Yaowen, Zheng Si, Yang Chunfeng，Li Jiao
(Institute of Medical Information, Chinese Academy of Medical Sciences, Beijing 100020,China)
Abstract:[Objective] This study aims to construct an anti-tuberculosis drug virtual screening model for the
research and development of anti-tuberculosis drugs.
[Methods] We proposed a curriculum learning-optimized graph neural network model for anti-
tuberculosis inhibitors virtual screening, which called GNN-MTB. Furthermore, a benchmark
dataset for anti-tuberculosis drugs was collected from the public database, then we compared the
performance of GNN-MTB with four classic machine learning models and two graph neural
network models on the benchmark dataset.
[Results] We collected and integrated 10,789 available anti-tuberculosis drug screening
experimental data as our benchmark dataset. Our proposed GNN-MTB model achieved the area
under the receiver operating