DTI-LLM：基于大语言模型的药物-靶点相互作用预测框架

DTI-LLM是由NimishaGhosh开发的开源项目（GitHub链接：https://github.com/NimishaGhosh/DTI-LLM，发布于2026年6月），旨在利用大语言模型（LLM）的推理能力预测药物-靶点相互作用（DTI）。该项目整合蛋白质-蛋白质相互作用分数、序列相似性、嵌入相似性等多维特征，结合直接预测、思维链（CoT）、合成推理三种提示策略，为药物发现领域提供可解释的人工智能解决方案，助力加速候选药物筛选、降低研发成本。

药物发现过程漫长且昂贵，传统方法需数年时间和数十亿美元投入。DTI预测作为计算药物发现核心任务，可显著加速候选药物筛选。但DTI预测面临多重挑战：药物分子与蛋白质结构复杂导致传统计算成本高；生物系统异质性使相同药物在不同蛋白质上结合特性差异大；数据稀缺性和类别不平衡制约模型性能。近年来LLM在NLP领域的突破，为解决DTI预测问题提供新思路，DTI-LLM正是LLM在生物医学领域的应用尝试。

DTI-LLM的核心创新在于特征工程与提示策略：

1. 多维特征整合：
   • 蛋白质-蛋白质相互作用分数（PPI Score）：反映目标蛋白质与已知药物靶点的相互作用强度，利用"guilt-by-association"原理；
   • 序列相似性：借鉴已知药物-靶点对先验知识，序列相似蛋白质功能与结构更相似；
   • 嵌入相似性：通过预训练生物语言模型生成嵌入，捕捉高层语义信息，包括蛋白质间、药物与蛋白质间的嵌入相似性。
2. 三种提示策略：
   • 直接预测：接收特征直接输出二元结果，高效适用于快速筛选；
   • 思维链（CoT）：逐步推理展示逻辑链条，提升可解释性与准确性；
   • 合成推理：训练阶段自动生成自然语言推理文本作为监督信号，教会模型像专家一样解释预测依据。

模型实现细节：

• 量化与LoRA微调：采用4-bit量化降低显存占用，通过LoRA技术进行参数高效微调，仅训练低秩适配器参数，使消费级GPU可微调大型LLM；
• 多模型支持：代码架构兼容Qwen、Mistral、LLaMA系列等主流开源LLM，通过统一配置接口方便切换模型；
• 灵活特征模式：提供六种特征模式（all、ppi_only、seq_only、no_emb、no_ppi、no_seq），支持消融实验评估不同特征子集的贡献。

DTI-LLM的使用流程简洁：

1. 数据准备：需准备包含PPI分数、序列相似性、嵌入相似性等预计算特征的Parquet文件（train_with_emb.parquet和test_with_emb.parquet）；
2. 参数配置：通过命令行指定基础模型路径、输出目录、提示风格、特征模式，支持多随机种子实验确保结果稳健；
3. 评估：提供evaluate.py和evaluate_SR.py脚本，计算准确率、精确率、召回率、F1分数等指标，支持合成推理质量评估。

DTI-LLM的技术意义与潜在影响：

• 可解释性提升：通过思维链和合成推理提供自然语言解释，帮助研究者理解预测依据；
• 数据效率：利用预训练LLM知识与特征工程，在有限标注数据下实现较好性能；
• 模块化与可扩展性：代码结构清晰，方便替换特征提取器、尝试新提示策略或整合额外生物数据源；
• 开源生态贡献：作为开源项目提供可复现基准，推动领域集体进步。

DTI-LLM当前局限性与未来方向：

• 局限性：README文档简略，缺乏详细性能基准、数据集描述及预训练模型下载链接；仅提供代码实现，无预训练权重或大规模实验结果，对计算资源有限的研究者存在门槛；
• 未来方向：整合三维结构信息、基因表达数据等更多生物特征；探索更大规模基础模型；开发交互式可视化工具展示推理过程；与实验验证流程紧密集成。

DTI-LLM是创新性开源项目，将LLM推理能力引入DTI预测任务，通过多维特征整合与可解释提示策略，为计算药物发现提供有前景的技术路线。随着项目发展与社区参与，有望在加速新药发现、降低研发成本方面发挥积极作用。对AI驱动药物发现感兴趣的研究者和开发者，DTI-LLM值得关注。