面向药物响应预测的带边嵌入解耦双Transformer模型

近年来，基于GNN的方法作为药物响应预测任务的主流取得了优异结果。传统GNN方法仅将药物分子中的原子作为节点，通过节点信息传递获得分子图表示，而使用transformer的方法只能提取节点信息。然而，药物分子的共价键和手性对分子的药理性质有很大影响，这些信息隐含在原子间边所形成的化学键中。此外，用于建模细胞系基因组序列的CNN方法只能感知序列的局部而非全局信息。为解决上述问题，我们提出用于药物响应预测的解耦双transformer边嵌入结构（TransEDRP），分别用于细胞系基因组和药物的表示。对于药物分支，我们将分子内化学键信息编码为分子图中边的嵌入，利用图transformer提取药物分子的全局结构与生化信息。对于细胞系基因组分支，我们使用多头注意力机制全局表示基因组序列。最后，通过transformer层和全连接层融合药物和基因组两个不同模态的分支以预测IC50值。大量实验表明，我们的方法在所有评价指标上均优于当前主流方法。