HECLCDA：異種クロススケール対照学習によるcircRNA-薬物感受性予測

科学分野:

• 生化学
• バイオインフォマティクス
• 計算生物学

背景:

• 円形RNA（circRNA）は、がんの発症と薬剤耐性に関与する重要な非コードRNAです。
• circRNA-薬物感受性関連を特定するための従来の実験的方法は、非効率的でコストがかかります。
• circRNA-薬物感受性関連を予測するには、正確な計算ツールが必要です。

研究 の 目的:

• circRNA-薬物感受性関連を予測するための効率的かつ正確な計算方法を開発すること。
• 従来の実験的検証方法の限界に対処すること。
• 新しい治療戦略の発見を促進すること。

主な方法:

• 異種クロススケール対照学習に基づく新しい方法であるHECLCDAを提案しました。
• circRNA配列類似性、薬物構造類似性（SIS）、およびガウスカーネル類似性を統合しました。
• 異種グラフを構築し、トポロジー情報抽出のために異種グラフトランスフォーマーを採用しました。
• ノード埋め込みの識別を強化するために、クロススケール対照学習メカニズムを導入しました。

主要な成果:

• HECLCDAは、実際のデータで優れたパフォーマンスを示しました。
• この方法は、薬物感受性を効率的に予測します。
• 交差検証とケーススタディにより、潜在的なcircRNA-薬物感受性関連を特定する上でのモデルの有効性が検証されました。

結論:

• HECLCDAは、circRNA-薬物感受性予測のための効率的かつ正確な計算アプローチを提供します。
• 開発された方法は、新しいcircRNA-薬物相互作用の発見を加速できます。
• このツールは、がん治療と個別化医療の進歩に有望です。