GAN-TAT：基于蛋白质相互作用网络的可治疗基因识别新框架
机器学习
2025-01-06 v1 人工智能
定量方法
摘要
识别可治疗基因是开发有效药物的关键。随着大规模高质量数据的积累，计算方法已成为重要工具。蛋白质相互作用网络（PIN）因其高维稀疏性而难以实现，此前方法依赖间接集成导致分辨率损失。本研究提出GAN-TAT框架，利用先进图嵌入技术ImGAGN直接集成PIN以进行可治疗基因推断。测试于三个Pharos数据集，GAN-TAT在Tclin数据集上获得最高的0.951的AUC-ROC分数。进一步评估表明，GAN-TAT的预测结果得到临床证据的支持，凸显其在药物基因组学中的实际应用潜力。该研究代表了一种直接利用PIN的方法ological尝试，拓展了开发药物靶点的新解决方案。GAN-TAT的源代码可在https://github.com/george-yuanji-wang/GAN-TAT获取。
引用
@article{arxiv.2501.01458,
title = {GAN-TAT: A Novel Framework Using Protein Interaction Networks in Druggable Gene Identification},
author = {George Yuanji Wang and Srisharan Murugesan and Aditya Prince Rohatgi},
journal= {arXiv preprint arXiv:2501.01458},
year = {2025}
}
备注
4 pages, 2 figures