AGDNGDA：利用自适应图扩散网络解析与药物相关的基因

《Journal of Chemical Information and Modeling》：AGDNGDA: Unraveling Drug-Associated Genes with Adaptive Graph Diffusion Networks

基因-药物关联分析中动态信息聚合模型的研究

　　

理解基因与药物之间的复杂关系对于推动药物发现至关重要。然而，旨在识别基因-药物关联的生物实验通常耗时且效率低下，导致数据严重缺失（即数据稀疏）。尽管图神经网络（GNNs）在处理稀疏数据方面表现出有效性，但现有方法往往依赖于统一的节点处理或静态注意力机制，这限制了它们捕捉生物相互作用动态特性的能力。为了克服这些局限性，我们提出了AGDNGDA，这是一种自适应图扩散网络，它利用热核机制根据每个节点的特定上下文动态调节信息聚合。这种创新方法使我们的模型能够有效突出那些重要但具有挑战性的基因-药物相互作用。全面的实验结果表明，AGDNGDA始终优于现有的最先进方法。此外，详细的案例研究展示了该模型在识别具有生物学意义的基因-药物关联方面的能力，突显了其作为药物研究强大工具的潜力。