图神经网络在生物医药领域的多项研究综述

2020年，图机器学习（Graph ML）已经成为机器学习（ML）领域中的一个备受关注的焦点研究方向。其中，图神经网络（GNN）是一类用于处理图域信息的神经网络，由于有较好的性能和可解释性，现已被广泛应用到各个领域。

GNN在生物分子结构以及分子之间的功能关系和集成多组数据集模型方面的能力，使得它在医疗行业中受到越来越多的关注。本文就将聚焦于Graph ML在医疗领域中的应用，分享2020年值得关注的几篇论文，包含脑科学、医疗诊断、药物研发以及COVID-19四部分。

• 脑科学
  • 论文题目：图域自适应恒对齐的脑表面分割
  • 论文地址：https://arxiv.org/pdf/2004.00074.pdf
  • 论文题目：BrainGNN: 用于功能磁共振成像分析的可解释性脑图神经网络
  • 论文地址：https://www.biorxiv.org/content/10.1101/2020.05.16.100057v1
    

• 医学诊断

  • 论文题目：使用多模式数据和图卷积网络识别早期轻度认知障碍
  • 论文地址：https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-020-3437-6
  • 论文题目：基于边变化图卷积网络的不确定性疾病预测
  • 论文地址：https://arxiv.org/pdf/2009.02759.pdf
  • 论文题目：使用多图几何矩阵完成（MGMC）在不完整的医学数据集中同时进行归因和疾病分类
  • 论文地址：https://arxiv.org/pdf/2005.06935.pdf

• 药物发现和研究

  • 论文题目：利用图机器学习药物发现和开发
  • 论文地址：https://arxiv.org/abs/2012.05716
  • 报告标题：图神经网络用于药物开发
  • ppt地址：https://grlearning.github.io/slides/zitnik.pdf
  • 论文标题：基于深度学习方法的抗生素发现
  • 论文地址：https://www.cell.com/cell/fulltext/S0092-8674(20)30102-1?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS0092867420301021%3Fshowall%3Dtrue
  • 论文标题：基于半二分图模型和深度学习的药物-靶标相互作用预测
  • 论文地址：https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-020-3518-6
  • 论文标题：几何深度学习解密蛋白质分子表面的相互作用指纹
  • 论文地址：https://www.nature.com/articles/s41592-019-0666-6
  • 论文标题：图卷积神经网络从化学结构预测药理活性
  • 论文地址：https://www.nature.com/articles/s41598-020-80113-7?from=fromparentmindnote

• COVID-19

  • 论文标题：ResGNet-C:用于检测COVID-19的图卷积神经网络
  • 论文地址：https://www.sciencedirect.com/science/article/pii/S0925231220319184
  • 论文标题：用于识别针对COVID-19的药物再利用的医学网络框架
  • 论文地址：https://arxiv.org/pdf/2004.07229.pdf

感兴趣的可以戳链接。

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