BriefGPT - AI 论文速递
·
DRExplainer：药物反应预测中的可量化解释性与有向图卷积网络
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
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，并通过基因突变和注意力融合模块提高预测性能。在外部测试集上也表现出强大的预测性能。
🎯
关键要点
- 精准医学中，药物反应预测至关重要。
- TransCDR是一种利用迁移学习和自注意机制的工具，用于预测细胞系对药物的IC50值或敏感状态。
- TransCDR在预测上优于8种最先进模型，显示出更好的泛化能力。
- Extended Connectivity Fingerprint和基因突变是影响药物反应的关键因素。
- 基于注意力的融合模块进一步增强了TransCDR的预测性能。
- TransCDR在GDSC数据集上训练后，在外部测试集CCLE上表现出强大的预测性能。
- 通过基因集富集分析，研究药物反应的生物机制。
- TransCDR在药物反应预测中具有重要潜力，源代码和数据可在线访问。
🏷️
标签
➡️
