基于药物多尺度分子结构相似性的抗癌药物组合协同性预测

郭林扬; 黄毅然; 张锦雄; 庞毅恒; 钟诚

doi:10.13417/j.gab.045.000801

基因组学与应用生物学 ›› 2026, Vol. 45 ›› Issue (4) : 801 -809. DOI: 10.13417/j.gab.045.000801

基于药物多尺度分子结构相似性的抗癌药物组合协同性预测

郭林扬, 黄毅然, 张锦雄, 庞毅恒, 钟诚

作者信息 +

Author information +

文章历史 +

摘要

高效预测抗癌药物组合的协同性是制定个性化联合用药方案的关键。抗癌药物的生物活性高度依赖于其分子结构中的药效团,然而现有计算模型在深度挖掘与利用分子结构中的药效团特征方面仍存在局限。针对该问题,本研究提出一种基于多尺度结构相似性的抗癌药物组合协同性预测模型（multi-scale molecular structural similarity-based synergy prediction model for anticancer drug combinations, MSSynergy）。该模型利用三层图卷积神经网络对药物分子的多尺度结构特征进行分层表征,引入注意力机制量化药物在不同尺度下的结构相似度得分,从结构相似性的角度捕捉关键的抗肿瘤药效特征,并利用多层卷积神经网络提取癌细胞系的转录组基因表达特征,通过全连接层实现协同得分或分类的端到端预测。实验结果表明,MSSynergy模型的均方误差（mean squared error, MSE）、斯皮尔曼相关系数（Spearman correlation coefficient, SCC）与决定系数（coefficient of determination, R²）、受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC）、精确率-召回率曲线下面积（area under the precision-recall curve, AUPR）及准确率（accuracy, ACC）分别达到0.010、 0.836、0.994、 0.940、 0.939和0.870,均高于已有方法,充分验证了MSSynergy模型能够为癌症精准治疗及临床药物筛选提供有效的技术支持。