MolTrans 论文精读：Transformer 做 DTI 时“可解释”要谨慎看

MolTrans（Huang 等, Bioinformatics 2021）把 DTI 预测从简单序列 CNN 推向子结构级交互建模。它先从药物 SMILES 和蛋白序列中挖掘子结构/子序列，再用 Transformer 学习交互。

核心设计

• 子结构分解：用频繁模式把药物和蛋白切成更有意义的片段。
• Transformer 编码：捕捉片段之间的上下文关系。
• 交互图：给出药物子结构和蛋白子序列的关联热图，增强可解释性。

审稿式阅读

• 它预测的是 DTI/亲和力相关任务，不是直接预测复合物结构。
• 注意力热图是模型解释线索，不等于实验证明的接触位点。
• 真实部署应看冷启动划分、负样本构造和新靶点泛化。

延伸资源

• 论文：Huang et al., Bioinformatics 2021；配套：157《AI DTI 预测》。