NRGCNMDA:基于残余图的卷积网络和条件随机场的微生物药物协会预测
Xiaoxin Du1,2, Jingwei Li3,4, Bo Wang3,4
1Computer and Control Engineering College, Qiqihar University, Qiqihar, 161006, China. xiaoxindu@qqhru.edu.cn.
Interdisciplinary sciences, computational life sciences
|January 8, 2025
概括
一个新的计算模型,NRGCNMDA,加速了微生物与药物关联的发现. 这种方法显著优于现有技术,为识别潜在的微生物标候选药物提供了更快,更具成本效益的方法.
科学领域:
- 微生物学 微生物学
- 计算生物学 计算生物学
- 药理学 药理学是指药理学的学科.
背景情况:
- 传统的微生物药物发现方法耗时且昂贵.
- 需要有效的计算方法来预测微生物与药物之间的关联.
研究的目的:
- 提出一个新的计算模型,NRGCNMDA,用于预测微生物与药物之间的关联.
- 克服传统药物发现方法的局限性.
主要方法:
- 使用Node2vec.构建微生物和药物的异质网络.
- 使用带有残余机制的图形卷积网络 (REGCN) 进行特征学习.
- 使用条件随机字段 (CRF) 进行特征嵌入对齐.
主要成果:
- 与现有的深度学习方法相比,NRGCNMDA实现了更高的性能.
- 该模型表现出高精度,AUC为95.16%和AUPR为93.02%.
- 案例研究成功地预测了特定微生物 (例如,Enterococcus faecalis) 和药物 (例如,布洛芬) 的关联.
结论:
- NRGCNMDA提供了一种有效和高效的计算策略,用于预测微生物与药物之间的关联.
- 该模型有可能加速识别新型抗菌药物.
- 这种方法可以显著降低与药物发现相关的成本和时间.
