有哪些深度学习的模型额可以预测小分子化合物的作用靶点

以下是几个可以预测小分子化合物作用靶点的深度学习模型：

1. DeepDTA：DeepDTA是一种深度神经网络模型，用于预测小分子和蛋白质之间的相互作用。该模型结合了化合物和蛋白质的结构信息和序列信息，可以预测化合物和蛋白质之间的结合自由能。

2. DeepPurpose：DeepPurpose是一种基于深度学习的药物发现框架，它可以预测小分子化合物的作用靶点。该模型使用了化合物的结构信息和蛋白质的序列信息，可以预测化合物和蛋白质之间的相互作用。

3. DeepCPI：DeepCPI是一种基于深度学习的化合物-蛋白质相互作用预测模型。该模型使用了化合物和蛋白质的结构信息和序列信息，通过多层神经网络将二者联系起来，可以预测化合物和蛋白质之间的相互作用。

4. Chemi-Net：Chemi-Net是一种基于深度学习的分子表示模型，可以将分子表示为向量形式。该模型使用了化合物的结构信息，可以预测化合物的作用靶点。

5. GraphDTA：GraphDTA是一种基于图神经网络的化合物-蛋白质相互作用预测模型。该模型将化合物和蛋白质表示为图形式，通过图卷积神经网络预测二者之间的相互作用。