HKFGCN:在图形卷积网络上创建了一个新的多核融合框架,用于预测微生物与药物之间的关联
Ziyu Wu1, Shasha Li2, Lingyun Luo3
1School of Computer Science, University of South China, Hengyang, Hunan 421001, China.
Computational biology and chemistry
|March 12, 2024
概括
这项研究介绍了HKFGCN,一种用于预测微生物与药物关联的计算方法. 这种方法通过分析微生物相互作用和药物点来提高药物发现效率,降低实验成本.
科学领域:
- 微生物学 微生物学
- 药理学 药理学是指药理学的学科.
- 计算生物学 计算生物学
背景情况:
- 人类微生物与宿主相互作用,调节药物的有效性.
- 微生物与药物之间的关联对于药物发现和抗微生物药物开发至关重要.
- 实验性识别微生物与药物之间的联系是耗时且昂贵的.
研究的目的:
- 开发一种高效的计算方法来预测微生物与药物之间的关联.
- 为了减少与实验识别相关的成本和时间.
- 为药物发现提供新的计算工具.
主要方法:
- 开发了HKFGCN (异质信息内核融合图形卷积网络).
- 构建的微生物药物协会网络和相似性网络.
- 从多个网络中提取了拓和高斯核特征.
- 通过学习的表征重建了两部分微生物药物图.
主要成果:
- 在各种数据集中,HKFGCN表现出色.
- 该模型在预测微生物与药物关联方面取得了很高的准确性.
- 包括艾滋病毒在内的案例研究显示,结果与现有文献一致.
结论:
- HKFGCN是一种有前途的计算方法,用于预测微生物与药物之间的关联.
- 该模型为实验方法提供了具有成本效益和效率的替代方案.
- 这种方法可以通过识别新的微生物与药物联系来加速药物发现和开发.
