基于边特征图卷积网络的药物反应预测方法研究OA
药物反应预测是精准医疗的重要任务,其性能取决于药物分子结构与细胞系基因组特征的表征能力。针对SMILES表示难以保留完整结构信息、传统GCN忽略化学键信息的问题,文章提出BondGCN-DRP。该模型将药物表示为含节点与边特征的分子图,引入键类型、键阶、芳香性及环结构等信息,并采用一维卷积网络学习细胞系特征,融合后进行药物反应预测。基于GDSC数据集的实验表明,该模型在RMSE和Pearson相关系数上均优于tCNNS和普通GCN,且显著性图分析验证了模型具有较好的可解释性。
欧阳飞;李晟
四川省计算机研究院,四川成都610041浙江省北大信息技术研究院,浙江杭州311200
信息技术与安全科学
深度学习图神经网络边特征药物反应预测分子图建模可解释性
《现代信息科技》 2026 (14)
P.142-146,151,6
评论