PDDGCN:一种基于多视图融合图形卷积网络的寄生病药物协会预测器
Xiaosong Wang1, Guojun Chen1, Hang Hu1
1School of Information and Artificial Intelligence, Anhui Provincial Engineering Research Center for Beidou Precision Agriculture Information, Key Laboratory of Agricultural Sensors for Ministry of Agriculture and Rural Affairs, Anhui Agricultural University, Hefei, 230036, Anhui, People's Republic of China.
Interdisciplinary sciences, computational life sciences
|January 31, 2024
概括
这项研究介绍了PDDGCN,这是一种用于预测寄生虫疾病与药物相关性的新型计算模型. PDDGCN使用多视图卷积网络来增强对寄生虫疾病的潜在治疗方法的发现.
科学领域:
- 计算生物学是一种计算生物学.
- 寄生虫学的寄生虫学
- 药物发现 药物发现
背景情况:
- 准确识别疾病与药物之间的关联对于了解寄生虫疾病至关重要.
- 现有的计算方法往往依赖于双边网络中的有限的链接式方法.
研究的目的:
- 开发一种先进的计算模型,用于预测寄生病和药物之间的关联.
- 改进现有的疾病与药物相关性预测方法.
主要方法:
- 提出PDDGCN,一个多视图图形卷积网络模型.
- 将相似性和二进制网络融合到多视图异构网络中.
- 雇佣了社区信息聚合和跨/域内消息传递以进行节点嵌入的改进.
主要成果:
- 与五种最先进的方法和四种机器学习算法相比,PDDGCN表现出卓越的性能.
- 实验结果验证了该模型在识别寄生虫疾病与药物关联方面的有效性.
- 案例研究证实了PDDGCN的实用性.
结论:
- PDDGCN模型为发现寄生虫疾病的新疗法提供了一个有希望的方法.
- 这项工作有助于更深入地了解寄生虫疾病的病因学.
- 开发的模型可以加速药物发现和寄生虫学中的治疗开发.
