本文介绍的论文是浙江大学吴健团队和曹戟团队合作发表在Bioinformatics上的论文《TGSA: Protein-Protein Association-Based Twin Graph Neural Networks for Drug Response Prediction with Similarity Augmentation》。

论文链接：https://doi.org/10.1093/bioinformatics/btab650

代码地址：https://github.com/violet-sto/TGSA/

文提出了一个新的DRP框架，称为TGSA，以更好地利用先验领域知识。TGSA由用于药物反应预测的双图神经网络（Twin Graph neural networks for Drug Response Prediction, TGDRP）和用于融合细粒度和粗粒度信息的相似性增强（Similarity Augmentation, SA）模块组成。具体而言，TGDRP基于STRING数据库中的蛋白质关联网络将细胞系抽象为图，并使用图神经网络（GNNs）进行表示学习。SA将DRP视为异构图上的边回归问题，并利用GNN平滑相似细胞系/药物的表示。此外，还引入了一种辅助的预训练策略，以弥补已知的数据稀少和分布外泛化能力差的局限性。在GDSC2数据集上的大量实验表明，在各种实验设置下，TGSA始终优于所有最先进的基线方法。本文还通过消融实验进一步评估TGSA各组分的有效性和贡献。TGSA的良好性能显示了其在精准医疗临床应用中的巨大潜力。

内容中包含的图片若涉及版权问题，请及时与我们联系删除