一个基于注意力的多功能神经网络用于化学扰动分析及其在手术治疗方面的潜力:一项实验性研究

科学领域:

• 计算生物学是一种计算生物学.
• 药理学 药理学是指药理学的学科.
• 医学中的人工智能.

背景情况:

• 深度学习模型提供快速准确的临床决策支持.
• 现有的药物预测方法需要大量的数据,缺乏解释性,限制了它们在辅助手术治疗中的使用.

研究的目的:

• 引入基于注意力的卷积转位输液网络 (ACTIN),以实现灵活和高效的药物发现.
• 解决现有方法在数据要求和辅助手术治疗的解释性方面的局限性.

主要方法:

• ACTIN利用与药物和转录组数据的图形卷积和变压器机制.
• 它评估了化学药对基因表达的影响,包括化学元素嵌入差异和基于注意力机制的参数分析.

主要成果:

• 与其他模型相比,ACTIN在使用较少数据 (393个实例) 时实现了最先进的性能.
• 它可以识别可能干扰特定细胞系的药,这对于新药查非常有价值.
• 使用COVID-19患者数据的验证产生了与临床证据一致的新化学品.

结论:

• ACTIN为药物发现提供了一个强大的工具,特别是用于辅助性外科治疗,通过提供对基因表达的元素扰动偏差的洞察.
• 该模型在有限数据的有效性及其可解释性增强了其在指导外科患者新药开发方面的实用性.