10.3969/j.issn.2095-2163.2023.05.016
基于异构图卷积网络的药物-细胞系响应预测
准确预测药物敏感性响应是当前个性化治疗的关键,然而,如何高效融合药物、细胞系以及已观察到的药物-细胞系作用关系数据,仍面临着很大挑战.本文基于药物结构分子指纹特征数据、细胞系基因表达谱数据和已知的药物-细胞系作用关系数据,提出一种融合异构图卷积网络和深度神经网络的药物-细胞系预测模型HGCNDCP.首先分别计算药物相似性和细胞系相似性,构建异构网络;通过异构图卷积模型对药物和细胞系进行特征表示学习;使用DNN模型预测药物-细胞系响应关系;最后在GDSC数据集中测试,并与TMF、HNMDRP、NRL2DRP和HRWR算法进行比较.测试结果表明,本文算法具有较高的预测性能.
图卷积、异构网络、药物、细胞系、深度神经网络、k-CV交叉验证
13
TP301.6(计算技术、计算机技术)
西安石油大学研究生创新与实践能力培养计划项目;西安石油大学博士科研启动基金
2023-05-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
98-102