探索化合物和蛋白质靶标的生物医学相互作用对于药物发现至关重要。确定这些药物-药物相互作用(DDI)和药物-靶标相互作用(DTI)不仅可以揭示药物组合的潜在协同效应并提高药物疗效，而且有助于药物重复使用，降低药物开发成本，提高药物开发效率。因此，预测药物与药物靶点之间的相互作用是药物发现领域的一个重要课题。

药物药物相互作用和药物靶标相互作用预测的深度学习框架

定量生物学最近发表了一篇题为“DeepDrug：用于药物相互作用和药物靶点相互作用预测的通用基于图的深度学习框架”的文章，该文章表明DeepDrug学习药物和蛋白质的基于结构和基于序列的全面表示，通过利用残差图卷积网络和卷积网络，在一系列任务中实现最佳性能。

DeepDrug通过结合序列特征和结构特征，分别利用卷积模块和残差图卷积子模块来预测药物/靶点相互作用。DeepDrug在一系列系统实验中优于最先进的方法，包括二元类DDI、多类/多标签DDI、二元类DTI分类和DTI回归任务。

此外，DeepDrug学习到的结构特征在化学性质和药物类别方面显示出兼容且一​​致的模式，为支持DeepDrug强大的预测能力提供了额外的证据。作为一项应用，DeepDrug用于发现针对SARS-CoV-2的潜在候选药物，相关文献中报道了十分之七的排名靠前的药物。