PaccMann：基于多模态注意力神经网络的抗癌化合物敏感性预测
机器学习
2020-11-24 v2 分子网络
定量方法
摘要
我们提出一种通过基于多模态注意力的神经网络（PaccMann）预测抗癌化合物敏感性的新方法。在我们的方法中，我们整合了药物敏感性的三大关键支柱，即化合物的分子结构、癌细胞转录组学谱以及细胞内蛋白质间相互作用的先验知识。我们的模型输入由化合物的 SMILES 编码与癌细胞的基因表达谱组成的药物-细胞对，并预测 IC50 敏感性值。基因表达谱使用基于注意力的编码机制进行编码，该机制对最具信息量的基因赋予高权重。我们提出并研究了化合物的 SMILES 字符串的三种编码器：1）双向循环 2）卷积 3）基于注意力的编码器。我们将所设计的模型与输入工程化指纹以表示分子结构的基线模型进行比较。我们证明，使用我们基于注意力的编码器，可以超越基线模型。基于注意力的编码器的使用增强了可解释性，并使我们能够识别网络用于进行预测的 genes、键与原子。
引用
@article{arxiv.1811.06802,
title = {PaccMann: Prediction of anticancer compound sensitivity with multi-modal attention-based neural networks},
author = {Ali Oskooei and Jannis Born and Matteo Manica and Vigneshwari Subramanian and Julio Sáez-Rodríguez and María Rodríguez Martínez},
journal= {arXiv preprint arXiv:1811.06802},
year = {2020}
}
备注
10 pages, 5 figures, 2 tables. NIPS MLMM 2018