公开(公告)号：CN117393052A

公开(公告)日：2024-01-12

申请号：CN202311412820.7

申请日：2023-10-30

Applicant: 中国矿业大学

Inventor： 张晓强 ,  吴大凡

IPC: G16B40/00 ,  G16B25/00 ,  G16B20/50 ,  G16B50/00 ,  G06N3/0499 ,  G06N3/0464 ,  G06F17/16 ,  G06N3/045

Abstract: 目前很多基于传统网络或矩阵分解的抗癌药物响应的预测方法泛化能力不强，如何引进更多的特征信息、构建更优的方法有着重要的意义。本发明利用转换器和图同构网络，提出了一种基于转换器和图同构网络的抗癌药物响应预测方法。首先，利用一维卷积神经网络和转换器编码器分别对细胞系的基因表达和基因突变特征进行提取，利用图同构网络对药物的化学结构特征进行提取；其次，将提取后的特征进行拼接并通过全连接层预测药物响应值；最后，所有实验结果均验证该方法的优越性。

公开(公告)号：CN117393051A

公开(公告)日：2024-01-12

申请号：CN202311412708.3

申请日：2023-10-30

Applicant: 中国矿业大学

Inventor： 张晓强 ,  吴大凡

IPC: G16B40/00 ,  G16B25/00 ,  G16B20/50 ,  G16B50/00 ,  G06N3/04 ,  G06N3/0464 ,  G06F17/16

Abstract: 目前很多基于传统网络或矩阵分解的抗癌药物响应的预测方法泛化能力不强，如何引进更多的特征信息、构建更优的方法有着重要的意义。本发明利用通道注意力、空间注意力和图同构网络，提出一种基于双注意力和图神经网络的抗癌药物响应预测方法。首先，利用一维卷积神经网络、空间注意力和通道注意力模块分别对细胞系的基因表达和基因突变特征进行提取，利用图样本和聚合模块对药物的化学结构特征进行提取；其次，将提取后的特征进行拼接并通过全连接层预测药物响应值；最后，所有实验结果均验证该方法的优越性。