DHCLHAM:基于双高图对比学习框架的微生物药物相互作用预测,具有层次注意力机制

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.
• 微生物组研究的研究.

背景情况:

• 药物可以破坏肠道微生物群,导致不良健康结果.
• 目前的实验方法难以阐明微生物与药物相互作用的机制.
• 现有的计算方法不足以代表复杂的微生物与药物相互作用.

研究的目的:

• 开发一种先进的计算框架,用于预测微生物与药物相互作用.
• 在微生物组药物治疗中建立个性化和精确医学的理论基础.
• 克服基于图形的方法在表示异构的微生物药物关系方面的局限性.

主要方法:

• 引入了一种以注意力为导向的层次式双超字符对比学习框架 (DHCLHAM).
• 综合非线性特征,功能相似性 (化学属性,微生物基因组) 和高斯核相似性.
• 采用双网络结构 (KNN 超图,KO 超图),对信息聚合给予层次关注.
• 利用对比式学习来增强异构的超图表达和多头注意力,用于预测得分导出.

主要成果:

• 在基准数据集上,DHCLHAM模型显著超过了当前的最佳模型.
• 实现了高性能指标,包括AUC和AUPR (例如,aBiofilm数据集上的98.61%AUC和98.33%AUPR).

结论:

• 开发了一个验证的计算框架,集成AI和网络药理学,用于微生物与药物相互作用分析.
• 这些发现为优化临床治疗和开发针对肠道菌群的精确药物治疗策略提供了理论基础.