本文提出了一种基于多模态注意力神经网络（PaccMann）预测抗癌化合物敏感性的方法，通过集成化合物的分子结构、癌细胞的转录组文件和细胞内蛋白质相互作用的先前知识，使用SMILES编码的化合物和癌细胞的基因表达谱预测IC50敏感性值。通过比较模型和基准模型，证明了使用注意力编码器可以超越基准模型，增强了可解释性并识别网络用于预测的基因、键和原子。

该文介绍了一种基于多模态注意力神经网络的方法，用于预测抗癌化合物的敏感性。该方法集成了化合物的分子结构、癌细胞的转录组文件以及关于细胞内蛋白质相互作用的先前知识，通过用 SMILES 编码的化合物和癌细胞的基因表达谱预测 IC50 敏感性值。使用注意力编码机制编码基因表达谱，证明了该方法可以超越基准模型，增强了可解释性并使我们能够识别网络用于进行预测的基因、键和原子。