一种用于抗癌药物协同预测的基于边的图Transformer网络

药物组合疗法因其治疗功效和降低副作用的能力，成为治疗癌症等复杂疾病的强力方案。然而，由于可能组合数量庞大，通过实验筛选所有药物组合极为困难。当前，计算方法尤其是图神经网络和Transformer已被开发用于发现药物组合的优先次序并展现出良好潜力。尽管现有计算模型已取得巨大成就，但它们都忽视了药物的高阶语义信息以及化学键特征的重要性，后者包含丰富信息并在药物预测中以图的边表示。本工作中，我们提出一种称为EGTSyn（用于药物协同预测的基于边的图Transformer网络）的新模型，用于抗癌药物协同效应预测。我们设计了EGNN（基于边的图神经网络）模块和GTDblock（药物图Transformer块）。EGNN用于捕获化学物质的全局结构信息以及被以往多数研究忽视的化学键重要性。GTDblock将EGNN模块与Transformer架构编码器结合以提取药物的高阶语义信息。