MD-Syn：基于多维特征融合方法和注意力机制的协同药物联合方案预测
机器学习
2025-01-15 v1 定量方法
摘要
药物联合疗法在复杂疾病中显示出有前景的疗效，并证明了降低药物耐药性的潜力。然而，巨大的药物联合方案组合数使得传统实验中难以筛选所有方案。在本研究中，我们提出了 MD-Syn，一个基于多维特征融合方法和多头注意力机制的计算框架。给定药物-细胞系三元组后，MD-Syn 同时考虑一维和二维特征空间。其包括一维特征嵌入模块 (1D-FEM)、二维特征嵌入模块 (2D-FEM) 以及基于深度神经网络的分类器，用于协同药物联合方案预测。在 5 折交叉验证中，MD-Syn 达到了 0.919 的 AUROC，超越了当前最先进的方法。进一步地，MD-Syn 在两个独立数据集上表现出可比的结果。此外，多头注意力机制不仅从不同特征方面学习嵌入，还聚焦于关键交互特征元素，提高了 MD-Syn 的可解释性。总之，MD-Syn 是一个可解释的框架，用于优先排序具有化合物和癌细胞系基因表达谱的协同药物联合方案。为促进更广泛的社区对该模型的访问，我们开发了一个网页门户（https://labyeh104-2.life.nthu.edu.tw/），使其能够根据用户指定的化合物进行定制化的药物联合方案协同效应预测。
引用
@article{arxiv.2501.07884,
title = {MD-Syn: Synergistic drug combination prediction based on the multidimensional feature fusion method and attention mechanisms},
author = {XinXin Ge and Yi-Ting Lee and Shan-Ju Yeh},
journal= {arXiv preprint arXiv:2501.07884},
year = {2025}
}