[BIB | 论文简读] 通过具有关注机制的关系图卷积网络预测细胞系的协同药物组合

简读分享 | 张鑫 编辑 | 龙文韬

论文题目

Predicting cell line-specific synergistic drug combinations through a relational graph convolutional network with attention mechanism

论文摘要

识别协同药物组合（SDC）是一个巨大的挑战，因为其组合的复杂性和SDC是细胞系特异性。现有的计算方法要么不考虑SDC的细胞系特异性，要么通过为每个细胞系独立建立模型而表现不佳。文章提出了一个名为SDCNet的新型编码器-解码器网络，用于预测细胞系特定的SDC。SDCNet在一个模型中学习不同细胞系的共同模式以及细胞系的特定特征药物组合。这是通过将不同细胞系的SDC图视为一个关系图来实现的，并构建一个关系图卷积网络（R-GCN）作为编码器来学习和融合不同细胞系的药物深度表征。文章设计了一种关注机制，根据药物特征的相对重要性来整合来自R-GCN不同层的药物特征，从而进一步增强表征学习。通过部分参数共享来利用共同模式在细胞系特定的解码器中，不仅重建了已知的SDC，而且还预测了每个细胞系的新SDC。在各种数据集上进行的实验表明SDCNet优于最先进的方法，并且在推广到新的细胞系时也很稳健。最后，案例研究再次证实了文章的方法在预测新的可靠的细胞系特异性SDC的有效性。

论文链接

https://academic.oup.com/bib/advance-article/doi/10.1093/bib/bbac403/6711412