[Bioinformatics | 论文简读] 用于抗癌药物协同预测的多向关系增强超图表示学习
2023-02-18 16:47:56 时间
简读分享 | 乔剑博 编辑 | 王宇哲
论文题目
Multi-way relation-enhanced hypergraph representation learning for anti-cancer drug synergy prediction
论文摘要
动机: 药物组合在治疗癌症方面表现出希望,而且毒性和不良反应更少。然而,由于组合爆炸,协同药物组合的体外筛选既费时又费力。尽管已经开发了许多用于预测协同药物组合的计算方法,但药物协同数据中存在的药物组合与细胞系之间的多向关系尚未得到很好的利用。 结果: 作者提出了一种多向关系增强的超图表示学习方法来预测抗癌药物的协同作用,命名为 HypergraphSynergy。HypergraphSynergy 将癌细胞系上的协同药物组合制定为超图,其中药物和细胞系由节点表示,协同药物-药物-细胞系三联体由超边表示,并利用药物和细胞系的生化特征作为节点属性. 然后,设计一个超图神经网络,从超图中学习药物和细胞系的嵌入,并预测药物协同作用。此外,还考虑了重建药物和细胞系相似性网络的辅助任务,以增强模型的泛化能力。在计算实验中,HypergraphSynergy 在分类和回归任务的两个基准数据集上优于其他最先进的协同预测方法,适用于未见的药物组合或细胞系。研究表明,超图公式使作者能够捕捉和解释药物组合和细胞系的复杂多向关系,并提供灵活的框架以充分利用各种信息。
论文链接
https://academic.oup.com/bioinformatics/article/38/20/4782/6674505
相关文章
- NFT链游开发及存储技术
- 【一】知识图谱基础概念、开发流程以及落地策略
- 火遍外网的Keychron测评,带你入坑;ps马上5.20了送一个给你的心爱的她/他。
- 做知识图谱遇到的环境问题合集【spacy、gensim、keras_contrib等】
- 知识图谱项目实战(一):瑞金医院MMC人工智能辅助构建知识图谱--初赛实体识别【1】
- Jupyter Notebook 下 import 第三方库,显示 no module xxx 【本质是环境没有切换过来】
- 【一】ERNIE:飞桨开源开发套件,入门学习,看看行业顶尖持续学习语义理解框架,如何取得世界多个实战的SOTA效果?
- 总结一下强化学习在工业界应用,给大家扩展一下思路(简易科普)
- conda创建虚拟环境后文件夹中只有conda-meta文件夹,无法将环境添加到IDE中
- 百度飞桨:ERNIE 3.0 、通用信息抽取 UIE、paddleNLP的安装使用[一]
- PaddleHub--飞桨预训练模型应用工具{风格迁移模型、词法分析情感分析、Fine-tune API微调}【一】
- salesforce零基础学习(一百二十三)Transaction Security 浅入浅出
- Winforms Cefsharp应用通过Vs Installer安装,应用崩溃,缺少文件错误
- Winform Vs Installer之添加自定义安装流程
- 网页唤起Winform窗体通过非IE浏览器
- Java程序员除了做增删改查还能干嘛?
- PaddleHub实战篇{词法分析模型LAC、情感分类ERNIE Tiny}训练、部署【三】
- 百度地图使用记录
- “数智化” 时代,房企的数字化转型之路
- PaddleHub实战篇{ERNIE实现文新闻本分类、ERNIE3.0 实现序列标注}【四】