MTFuseSyn:一种用于药物协同效应预测的多任务融合框架,集成细胞系多omics数据

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 癌症发病率和死亡率继续上升,耐药性对治疗构成重大挑战.
• 传统单一疗法往往由于瘤细胞异质性和多药性耐药性而表现出有限的疗效.
• 组合疗法提供了增强的结果和延迟的耐药性,但预测药物协同作用是复杂的.

研究的目的:

• 为准确的药物协同效应预测开发一个先进的计算框架.
• 解决现有方法在整合多维数据的局限性,以预测协同效应.
• 通过更好地了解药物组合,增强癌症治疗策略.

主要方法:

• 提出了MTFuseSyn,一个多任务学习框架,集成药物目标和药物相互作用.
• 集成了一个图形聚合模块,具有适应性注意力机制,用于更丰富的药物特征.
• 集成多式联络细胞线数据,并使用任务融合注意模块进行知识集成.

主要成果:

• 在DrugCombDB和瘤屏幕数据集上的分类和回归任务中,MTFuseSyn显著优于现有方法.
• 证明了多维信息融合对药物协同效应预测的有效性.
• 废弃研究和案例分析验证了拟议模块的贡献.

结论:

• MTFuseSyn为预测癌症治疗中的药物协同作用提供了一种强大而有效的方法.
• 该框架能够整合多样化的数据源,提高了预测准确度.
• 这项工作突出了先进的计算方法的潜力,以优化组合癌症疗法.