SynergyX：用于可解释药物协同预测的多模态互注网络.docxVIP

下载本文档

26
0
约6.3千字
约 15页
2024-04-15 发布于山西
举报
版权申诉

SynergyX：用于可解释药物协同预测的多模态互注网络.docx

此“医疗卫生”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

SynergyX：用于可解释药物协同预测的多模态互注网络

发现有效的抗肿瘤药物组合对于推进癌症治疗至关重要。充分考虑复杂的生物相互作用对于准确预测药物协同作用非常重要。然而，极其有限的先验知识给当前计算方法的发展带来了巨大的挑战。

为了解决这个问题，本文提出了一个多模态的相互关注网络SynergyX，它动态捕获跨模态相互作用，允许对复杂的生物网络和药物相互作用进行建模。采用卷积增强注意结构对该框架中的多组数据进行有效集成。与其sota模型相比，SynergyX在通用测试和盲测试以及跨数据集验证中都表现出卓越的预测准确性；SynergyX的另一个显著优势在于它的多维可解释性。综上所述，SynergyX提供了一个具有启发性和可解释性的框