0
0本文介绍了一种名为MutliSyn的多任务深度学习模型，旨在通过分析药物相互作用与集成多视图图数据来预测药物联合治疗的增效作用。该模型利用SMILE符号提取化学结构特征，并结合改进的图嵌入技术和癌细胞系基因表达数据，同时预测增效分值及其分类标签。为了提升预测精度，研究者引入了注意力机制来衡量药物间的影响，并采用交叉缝合算法（Cross-stitch）来实现不同预测任务间的知识共享。在对O’Neil癌症数据集的测试中，该模型在准确率、精确度及相关系数等关键指标上均超越了现有模型。这项研究为克服癌症耐药性提供了高效且低成本的计算方案，对临床转化和药物研发具有重要价值。
References:
Monem S, Hassanien AE, Abdel-Hamid AH. A multi-task learning model for predicting drugs combination synergy by analyzing drug-drug interactions and integrated multi-view graph data. Sci Rep. 2023 Dec 18;13(1):22463. doi: 10.1038/s41598-023-48991-9. PMID: 38105262; PMCID: PMC10725868.
