https://github.com/Zora-LM/HGAN-DTI该项目各个模块的作用有没有预测的结果

这个项目是基于深度学习的药物靶标预测模型，主要分为以下几个模块：

1. 数据预处理模块：用于对已有的化合物-靶标互作数据进行预处理，包括化合物的分子描述符计算、靶标序列的编码、训练集和测试集的划分等。

2. 靶标嵌入模块：用于将靶标序列进行编码，提取其特征表示，常用的方法包括基于物化学属性的编码和基于自然语言处理的编码等。

3. 化合物嵌入模块：用于将化合物的分子描述符进行编码，提取其特征表示，常用的方法包括基于分子结构的编码和基于分子指纹的编码等。

4. 对抗生成网络模块：用于生成化合物-靶标互作的假样本，增加训练集大小，提高预测模型的泛化能力。

5. 预测模型模块：用于构建药物靶标预测模型，常用的方法包括基于神经网络的模型和基于图神经网络的模型等。

根据代码，该项目的预测结果包括模型的性能指标（如准确率和AUC值等）以及预测的化合物-靶标互作情况。具体的结果可以在代码中查看。

相关问题

https://github.com/Zora-LM/HGAN-DTI

这是一个基于深度学习的药物-靶点互作预测模型，使用了HGAN（Hierarchical Generative Adversarial Network）算法来生成化合物的分子描述符，并使用这些描述符来预测药物与靶点之间的相互作用。该模型的训练数据来自于公开的药物-靶点互作数据库，通过交叉验证和对比实验证明了其在预测准确性和泛化能力方面的优越性。