基于注意力网络与改进归纳矩阵补全的微生物-药物关联预测新方法SRGMCMDA

《Biomedical Signal Processing and Control》：Microbe-Drug association prediction based on attention networks and improved Inductive matrix Completion

本文提出创新性计算模型SRGMCMDA，通过相似性网络融合（SNF）与重启随机游走（RWR）整合多源数据，结合Talking-head注意力机制与多层感知机（MLP）优化特征提取，最后采用卷积神经网络增强的归纳矩阵补全（CNNIMC）融合线性与非线性特征，在微生物-药物关联预测任务中实现AUC 0.9713、AUPR 0.9618的卓越性能，为药物重定位与微生物靶点发现提供新思路。

　　

亮点

浅层特征学习器的比较

SRGMCMDA算法的性能与浅层特征学习方法息息相关。本文引入自编码器（SAE）、Line和Node2vec方法与本研究采用的RWR方法进行对比，结果如图5所示。

SAE、Line和Node2vec主要关注局部结构或一阶、二阶邻近关系。相比之下，RWR采用概率框架，通过整合多条潜在路径的信息来提取特征，而非依赖固定长度的随机游走序列。这种方法能更全面地捕捉网络中的高阶关联信息。

消融实验

为验证RWR、MLP、CNN和IMC结构对SRGMCMDA模型预测准确性的影响，我们进行了五组实验。实验分组如表2所示。

如图6所示，SRGMCMDA模型在AUC和AUPR指标上均显著优于其他实验组。在第一实验组中，AUC值比第四组高出4.00个百分点，AUPR值高出5.29个百分点。这表明IMC结构在整合线性与非线性特征方面发挥了关键作用，有效提升了模型的预测性能。

不同数据集的比较

为验证模型的适用性和鲁棒性，我们选取了MDAD、aBiofilm和DrugVirus三个数据集。这三个数据集的详细信息如表1所示。从表中可以看出，MDAD中的药物数量比aBiofilm少三倍，但比DrugVirus多五倍；MDAD中的关联信息量是aBiofilm的一半。经过5折交叉验证后，三个数据集的AUC和AUPR值均表现出色，证明了SRGMCMDA在不同数据规模和质量下的稳定性能。

与现有方法的比较

在相同数据集上，我们将SRGMCMDA与前述先进方法进行了对比实验，包括SCSMDA、MFTLHNMDA、MDSVDNV、GCNMDA和GCNATMDA。对比模型的参数均经过优化以达到其最佳性能。模型性能指标对比如表3所示。

如表3所示，除AUC外，SRGMCMDA在所有指标上均优于SCSMDA、MFTLHNMDA、MDSVDNV、GCNMDA和GCNATMDA。尽管GCNMDA在AUC指标上略微超过SRGMCMDA，但SRGMCMDA在AUPR这一更严格的指标上表现更优，说明其在不同评估标准下均具有竞争力。

案例分析

本节我们在三个数据集上进行案例分析，以进一步验证SRGMCMDA的预测结果。该方法通过相关文献验证了MDAD数据集中与大肠杆菌和HIV关联度最高的前10种药物；在aBiofilm数据集中，验证了与表没食子儿茶素没食子酸酯关联度最高的前10种微生物；由于COVID-19大流行的严重爆发导致众多伤亡，且亟需有效治疗药物，我们重点研究了与SARS-CoV-2相关的候选药物。

与前人工作的比较

为全面比较SRGMCMDA与现有方法，我们从所用技术、预处理技术、数据集类型以及优缺点等角度分析了SRGMCMDA和五种先进方法——SCSMDA、MFTLHNMDA、MDSVDNV、GCNMDA和GCNATMDA。表8展示了详细对比，突出了SRGMCMDA在解决数据稀疏性、噪声以及处理线性和非线性特征局限性方面的先进性。

如表8所示，SRGMCMDA通过融合多种先进技术，在保持高预测精度的同时，增强了对复杂生物关联的解析能力。

所开发方法的基本假设与局限性

总之，受前人方法启发，本研究提出了SRGMCMDA方法的基础理论假设：首先，我们假设微生物-药物关联网络存在高阶潜在关联，这些关联可以通过重启随机游走（RWR）捕获。其次，我们进一步假设将注意力机制（如Talking-head Attention）与MLP相结合，能够有效处理异质特征，提高关联预测的准确性。

结论

当前用于微生物-药物关联预测的计算模型常常面临数据稀疏、噪声严重以及线性和非线性特征处理不足等挑战。为解决这些局限性，SRGMCMDA引入了几种创新方法，其总结如表8所示。该模型从采用的技术、预处理方法、数据集类型、评估指标以及优缺点等多个维度进行评估，为微生物-药物相互作用研究提供了全面而强大的计算工具。