DRGAT: التنبؤ بالاستجابات الدوائية عبر شبكة الاهتمام بالرسم البياني القائمة على الانتشار
| العنوان | DRGAT: التنبؤ بالاستجابات الدوائية عبر شبكة الاهتمام بالرسم البياني القائمة على الانتشار |
|---|---|
| المؤلف | سيفر، إمري |
| تاريخ النشر: | 2025-03-01 |
| مكان النشر | - ماري آن ليبرت |
| الموضوع | رسم بياني للشبكة العصبية، التنبؤ بالاستجابة للأدوية، اكتشاف الأدوية، الانتشار، التعلم العميق |
| النوع | دورية |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 1066-5277 |
| رقم السجل | cf1d1973-06f6-40b4-b8bf-f840e74f2ed1 |
| موقع المكتبة | علوم الكمبيوتر |
| التاريخ | 2025-03-01 |
| ملاحظات | توبيتاك |
| نص عينة | يعد التنبؤ الدقيق بالاستجابة الدوائية اعتمادًا على الملف الجينومي للمريض أمرًا بالغ الأهمية لتطوير الطب الشخصي. لقد كانت مناهج التعلم العميق، وخاصة ظهور الشبكات العصبية البيانية التي تستفيد من مجموعات بيانات omics واسعة النطاق، محركًا رئيسيًا للبحث في هذا المجال. ومع ذلك، فإن مجموعات البيانات البيولوجية هذه، والتي عادة ما تكون عالية الأبعاد ولكن ذات أحجام عينة صغيرة، تمثل تحديات مثل التجهيز الزائد وضعف التعميم في النماذج التنبؤية. كمسألة معقدة، يجب أن تلتقط بيانات التعبير الجيني (GE) العلاقات المعقدة بين الجينات، مما يؤدي إلى تفاقم هذه المشكلات. في هذه المقالة، نتعامل مع هذه التحديات من خلال تقديم طريقة للتنبؤ بالاستجابة للأدوية، تسمى شبكة الانتباه للرسم البياني للاستجابة للأدوية (DRGAT)، والتي تجمع بين نموذج نشر تقليل الضوضاء الضمني لزيادة البيانات مع شبكة انتباه الرسم البياني (GAT) التي تم تقديمها مؤخرًا مع وحدة التنبؤ بانتشار الجوار عالية الترتيب (HO-GATs). حقق نهجنا المقترح تحسنًا بنسبة 5٪ تقريبًا في المنطقة الواقعة تحت منحنى خاصية تشغيل المستقبِل مقارنةً بأحدث النماذج للعديد من الأدوية التي تمت دراستها، مما يشير إلى قدرات التعميم المعقولة لطريقتنا. علاوة على ذلك، تؤكد تجاربنا إمكانات النماذج التوليدية القائمة على الانتشار، وهي مكون أساسي في طريقتنا، للتخفيف من القيود المتأصلة في مجموعات بيانات omics من خلال زيادة بيانات GE بشكل فعال. |
| DOI | 10.1089/cmb.2024.0807 |
| Cilt | 32 |
