机构名称：
¥ 1.0
摘要动机：包含药物化学结构、药物在细胞系中的反应以及细胞系分子谱的公开数据库数量不断增加，引起了人们对药物反应预测问题的关注。然而，许多现有方法并未充分利用具有相似结构的细胞系和药物之间共享的信息。因此，药物在细胞系反应和化学结构方面的相似性可能有助于形成药物表征，从而提高药物反应预测的准确性。结果：我们提出了两种用于药物反应预测的深度学习方法，BiG-DRP 和 BiG-DRP+。我们的模型通过二分图和异构图卷积网络利用药物的化学结构以及药物和细胞系之间的潜在关系，将敏感和抗性细胞系信息融入形成药物表征中。在不同场景中对我们的方法和其他最先进模型的评估表明，加入这种二分图可显著提高预测性能。此外，对我们模型性能有重大贡献的基因也指向重要的生物过程和信号通路。使用我们的模型对患者肿瘤的预测药物反应进行分析，揭示了突变与药物敏感性之间的重要关联，说明了我们的模型在药物基因组学研究中的实用性。可用性：github.com/ddhostallero/BiG-DRP 中提供了 Python 算法的实现。联系方式：example@example.org 补充信息：补充数据可在 Bioinformatics online 上找到。
将二分图纳入药物反应预测
主要关键词
相关文件推荐
