文章详情

题名 · 作者 · 摘要 · 关键词 · DOI · 参考文献

基于边特征图卷积网络的药物反应预测方法研究

欧阳飞1，李晟2

（1.四川省计算机研究院，四川 成都 610041；2.浙江省北大信息技术研究院，浙江 杭州 311200）

栏目：信息化应用 · 第 2026 年第 14 期 · 页码：142-146,151 · 2096-4706（2026）14-0142-06 · 中图分类号：TP18 · 文献标识码：A · DOI：10.19850/j.cnki.2096-4706.2026.14.027

摘要

药物反应预测是精准医疗的重要任务，其性能取决于药物分子结构与细胞系基因组特征的表征能力。针对SMILES表示难以保留完整结构信息、传统GCN忽略化学键信息的问题，文章提出BondGCN-DRP。该模型将药物表示为含节点与边特征的分子图，引入键类型、键阶、芳香性及环结构等信息，并采用一维卷积网络学习细胞系特征，融合后进行药物反应预测。基于GDSC数据集的实验表明，该模型在RMSE和Pearson相关系数上均优于tCNNS和普通GCN，且显著性图分析验证了模型具有较好的可解释性。

关键词

深度学习；图神经网络；边特征；药物反应预测；分子图建模；可解释性

参考文献

  1. [1] 王聪.基于深度学习的药物反应预测研究 [D].哈尔滨：哈尔滨工业大学，2023.
  2. [2] Yang W，Soares J，Greninger P，et al. Genomics of Drug Sensitivity in Cancer (GDSC): A Resource for Therapeutic Biomarker Discovery in Cancer Cells [J].Nucleic Acids Research，2013，41（D1）：D955-D961.
  3. [3] Barretina J，Caponigro G，Stransky N，et al. Addendum: The Cancer Cell Line Encyclopedia Enables Predictive Modelling of Anticancer Drug Sensitivity [J/OL].Nature，2012，492（7428）：290.https://doi.org/10.1038/nature11735.
  4. [4] 邓德勋.基于知识引导的深度学习模型预测药物反应研究 [D].衡阳：南华大学，2024.
  5. [5] 廖鑫.基于 Transformer 和图注意力网络的肿瘤药物反应预测研究 [D].青岛：青岛科技大学，2024.
  6. [6] 吴菊华，李俊锋，陶雷. 基于知识图谱嵌入与深度学习的药物不良反应预测 [J].广东工业大学学报，2024，41（1）：19-26，40.
  7. [7] Liu P，Li H，Li S，et al. Improving Prediction of Phenotypic Drug Response on Cancer Cell Lines Using Deep Convolutional Network [J].BMC Bioinformatics，2019，20（1）：1-14.
  8. [8] Nguyen T N，Le H，Quang P T，et al. GraphDTA: Predicting Drug-Target Binding Affinity With Graph Neural Networks [J].Bioinformatics，2021，37（8）：1140-1147.
  9. [9] Simonyan K，Vedaldi A，Zisserman A. Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps [PP/OL].（2014-04-19）.https://arxiv.org/abs/1312.6034.
  10. [10] O'Boyle N M. Towards a Universal SMILES Representation: A Standard Method to Generate Canonical SMILES Based on the InChI [J/OL].Journal of Cheminformatics，2012，4（1）：22.https://doi.org/10.1186/1758-2946-4-22.
  11. [11] Kipf T N，Welling M. Semi-Supervised Classification With Graph Convolutional Networks [PP/OL].（2017-02-22）.https://arxiv.org/abs/1609.02907.
  12. [12] Zhang T，Liu B，Niu D，et al. Multiresolution Graph Attention Networks for Relevance Matching [C]//Proceedings of the 27th ACM International Conference on Information and Proceedings of the 27th ACM International Conference on Information and Knowledge Management，2018：933-942.
  13. [13] Niepert M，Ahmed M，Kutzkov K. Learning Convolutional Neural Networks for Graphs [PP/OL].（2016-06-08）.https://arxiv.org/abs/1605.05273.
  14. [14] Klein T，Nabi M. Attention Is (Not) All You Need for Commonsense Reasoning [PP/OL].（2019-05-31）.https://arxiv.org/abs/1905.13497.

作者简介

欧阳飞（1996—），男，汉族，四川成都人，助理工程师，硕士研究生，研究方向：深度学习、计算机视觉。