基于多任务学习和超图神经网络的微生物-药物关联预测

摘要

传统的生物实验方法寻找微生物与药物关系不仅耗时费力，而且成本极高.因此，为了降低实验成本并提高效率，计算方法被用于预测微生物-药物关联.然而，现有方法忽视了疾病作为中介的关键作用，导致数据稀疏性问题.为此，提出了基于多任务学习的模型(MTLTPMDA),用于同时预测微生物-药物和疾病-药物关联.模型通过共享药物节点的特征来增强任务间的联系，并利用超图神经网络(HGNN)探索微生物、药物和疾病之间的复杂交互.通过构建微生物-药物和疾病-药物超图，HGNN有效捕捉了多节点间的高阶关系.在五重交叉验证下，MTLTPMDA实现了AUC为0.903 3和AUPR为0.893 0,优于多种现有方法，展示了模型在预测潜在关联上的有效性.

关键词

微生物与药物关联 / 疾病与药物关联 / 多任务学习技术 / 数据稀疏性 / 超图神经网络