CLDR: 自然语言监督下的对比学习药物响应模型
原文中文，约500字，阅读约需2分钟。发表于：。利用基于深度学习的药物响应预测方法可以加快药物研发过程和降低研发成本。通过提出一种基于对比学习的自然语言监督框架，将回归标签转换为文本，并将其与传统的图形和序列模态进行比较，可以在药物响应预测方面取得卓越的预测性能，并能有效约束样本在表示空间中的连续分布。
精准医学中，药物反应预测至关重要。TransCDR是一种强大的工具，通过迁移学习和自注意机制预测细胞系对药物的敏感状态。TransCDR在预测上表现优于其他模型，基因突变和Extended Connectivity Fingerprint是关键因素。TransCDR在外部测试集上表现强大，具有重要潜力。
